Question

以下是我为从文本文件中读取而编写的方法。在阅读时，我需要将行字符串与给定的正则表达式匹配，如果它匹配，那么我需要将行字符串添加到集合中。

private static void GetOrigionalRGBColours(string txtFile)
{
    string tempLineValue;
    Regex regex = new Regex(@"^\d+.?\d* \d+.?\d* \d+.?\d* SRGB$");

    using (StreamReader inputReader = new StreamReader(txtFile))
    {
        while (null != (tempLineValue = inputReader.ReadLine()))                     
        {
            if (regex.Match(tempLineValue).Success
                && tempLineValue != "1 1 1 SRGB"
                && tempLineValue != "0 0 0 SRGB")
            {
                string[] rgbArray = tempLineValue.Split(' ');
                RGBColour rgbColour = new RGBColour() { Red = Convert.ToDecimal(rgbArray[0]), Green = Convert.ToDecimal(rgbArray[1]), Blue = Convert.ToDecimal(rgbArray[2]) };
                originalColourList.Add(rgbColour);
            }
        }
    }
}

对于具有28653行的4MB文本文件运行此方法时，只需 3分钟即可完成上述方法。此外，作为上述运行的结果，originalColourList填充了582项。

有人可以指导我如何改善此方法的性能？实际的文本文件大小可能会达到60MB。

FYI-
正则表达式的正确匹配：0.922 0.833 0.855 SRGB
正则表达式的错误匹配：/ SRGB / setrgbcolor load def
txt文件最初是一个postscript文件，我已将其保存为txt文件，以便使用C＃进行操作。

Answer 1

如果你像这样重写正则表达式会更快，更快：

Regex regex = new Regex(@"^\d+(\.\d*)? \d+(\.\d*)? \d+(\.\d*)? SRGB$");

注意两个重要的变化：

每个.都使用反斜杠进行转义，以便正则表达式匹配文字点而不是任何字符。
每个\.和以下\d*都是可选的，而不是\.本身是可选的。

原始正则表达式很慢，因为\d+.?\d*包含连续的quantifiers（+，?和*）。当正则表达式引擎尝试匹配以长数字序列开头的行时，这会导致backtracking过多。例如，在我的机器上，包含10,000个零的行需要超过 4秒才能匹配。修订后的正则表达式小于 4毫秒，提升了1000倍。

如果传递

RegexOptions.Compiled | RegexOptions.ECMAScript

作为Regex构造函数的第二个参数。 ECMAScript告诉正则表达式引擎将\d视为[0-9]，忽略您不关心的7位（藏文7）等Unicode数字。

Answer 2

根据您的记录格式，您可以比使用正则表达式更快地解析。不知道你的文件的一切，但从你的两个例子，这比使用优化的正则表达式快约30％。

        decimal r;
        decimal g;
        decimal b;
        string rec;
        string[] fields;
        List<RGBColour> originalColourList = new List<RGBColour>();

        using (StreamReader sr = new StreamReader(@"c:\temp\rgb.txt"))
        {
            while (null != (rec = sr.ReadLine()))
            {
                if (rec.EndsWith("SRGB"))
                {
                    fields = rec.Split(' ');

                    if (fields.Length == 4 
                        && decimal.TryParse(fields[0], out r) 
                        && decimal.TryParse(fields[1], out g) 
                        && decimal.TryParse(fields[2], out b)
                        && (r+g+b !=0)
                        && (r != 1  && g != 1 && b!=1)
                        )
                    {
                        RGBColour rgbColour = new RGBColour() { Red = r, Green = g, Blue = b };
                        originalColourList.Add(rgbColour);
                    }
                }
            }
        }

如果任何条件为假，if将短路，如果一切都为真，则不再需要将所有值转换为十进制。我在大约12.5秒内解析了600万行。

使用Regex从文本文件中读取

2 个答案: