Question

这是我使用正则表达式的功能。它正在努力工作，但它的标签非常缓慢。我认为它是逐字符搜索HTML代码。所以它工作得很慢。有没有解决工作缓慢的问题。

string s = Sourcecode(richTextBox6.Text);
        // <a ... > </a> tagları arasını alıyor.(taglar dahil)
        Regex regex = new Regex("(?i)<a([^>]+)>(.+?)</a>");
        string gelen = s;
        string inside = null;
        Match match = regex.Match(gelen);
        if (match.Success)
        {
            inside= match.Value;
            richTextBox2.Text = inside;
        }
        string outputStr = "";
        foreach (Match ItemMatch in regex.Matches(gelen))
        {
            Console.WriteLine(ItemMatch);
            inside = ItemMatch.Value;
            //boşluk bırakıp al satır yazıyor 
            outputStr += inside + "\r\n";
        }
        richTextBox2.Text = outputStr;

Answer 1

将outputStr更改为StringBuilder，如果要追加很多项目，这将提高您的速度。如前所述，使用正则表达式解析HTML可能是一个问题（很大程度上取决于您的输入）。

Answer 2

解析HTML的麻烦在于它不是一门精确的科学。如果你正在解析它是XHTML，那么事情会容易得多。
因为HTML不一定是格式良好的XML，所以在解析它时会遇到很多问题它几乎需要在逐个站点的基础上完成。

您不应该使用Regex解析HTML。（尽管您可以在上面的代码中使用已编译的Regex，但要快一点。）
正则表达式不是用于解析HTML的。您可以使用第三方库来解析专门为此目的而构建的HTML List of HTML Parsing Libraries
如果您不想使用第三方库，则可以使用System.Windows.Forms.WebBrowser来实现此目的您也可以使用Fizzler，它使用HTML敏捷包，但扩展了对jQuery的支持然后是Majestic-12 HTML Parse，非常快您还可以使用TidyNet.Tidy将HTML转换为XHTML，然后使用XML解析器。

请检查以下example有关正确使用Regex会降低性能的方法。

工作缓慢的原因和解决方案

2 个答案: