Question

我目前在代码中使用正则表达式，以便从富文本文档中获取大字符串。正则表达式查找任何嵌入的图像并将它们解析为一个字节数组，我可以将其转换为LinkedResource。我需要将RTF从我的应用程序中的RichTextBox转换为有效的HTML文档，然后转换为可以自动发送的MIME编码消息。

常规表达式的问题是图像的字符串部分非常大，所以我觉得正则表达式试图匹配整个字符串中的许多可能性，实际上，我只需要查看该部分的开头和结尾。下面的正则表达式作为可选子句包含在更大的正则表达式中，例如someRegexStringA + "|" + imageRegexString + "|" + "someRegexStringB"。

我可以做些什么来确保在大字符串中检查的次数减少，这样我的应用程序在解析大量图像数据时似乎不会冻结？

// The Regex itself
private static string imageRegexString = @"(?<imageCheck>\\pict)"                  // Look for the opening image tag
                                       + @"(?:\\picwgoal(?<widthNumber>[0-9]+))"   // Read the size of the image's width
                                       + @"(?:\\pichgoal(?<heightNumber>[0-9]+))"  // Read the size of the image's height
                                       + @"(?:\\pngblip(\r|\n))"                   // The image is the newline after this portion of the opening tag and information
                                       + @"(?<imageData>(.|\r|\n)+?)"              // Read the bitmap
                                       + @"(?:}+)";                                // Look for closing braces

// The expression is compiled so it doesn't take as much time during runtime
private static Regex myRegularExpression = new Regex(imageRegexString, RegexOptions.Compiled);

// Iterate through each image in the document
foreach(Match image in myRegularExpression.Matches(myDocument))
{
    // Read the image height and width
    int imageWidth = int.Parse(image.Groups["widthNumber"].Value);
    int imageHeight = int.Parse(image.Groups["heightNumber"].Value);

    // Process the image
    ProcessImageData(image.Groups["imageData"].Value);
}

Answer 1

首先，我依稀记得有一个带有富文本编辑器的InfoPath表单可以导出为HTML - 所以你可能想看一下（虽然我们仍然需要单独附加图像）

至于你的模式：它非常简单，只有一条可疑线：

(?<imageData>(.|\r|\n)+?)

这有几个潜在的问题：

+?是懒惰的，对于长字符串会导致大量的回溯，这可能效率低下。
.|\r|\n似乎效率也很低。您可以使用SingleLine修饰符（或inline (?s:...)）顺便说一句，. already matches \r。
(.|\r|\n) - 这是一个捕获组，与您在其他地方使用的(?:...)组不同。我怀疑这是 kill 你 - 在.Net中，每个字符都作为Capture保存在堆栈中。你不希望这样。

我建议使用possessive group，以保证安全：

(?<imageData>(?>[^}]+))

当然，由于其他更改，模式也可能很慢：someRegexStringA或someRegexStringB。

提高大字符串正则表达式的性能

1 个答案: