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$");
using (StreamReader inputReader = new StreamReader(txtFile))
{
while (null != (tempLineValue = inputReader.ReadLine()))
{
if (regex.Match(tempLineValue).Success
&& tempLineValue != "1 1 1 SRGB"
&& tempLineValue != "0 0 0 SRGB")
{
string[] rgbArray = tempLineValue.Split(' ');
RGBColour rgbColour = new RGBColour() { Red = Convert.ToDecimal(rgbArray[0]), Green = Convert.ToDecimal(rgbArray[1]), Blue = Convert.ToDecimal(rgbArray[2]) };
originalColourList.Add(rgbColour);
}
}
}
}
对于具有28653行的4MB
文本文件运行此方法时,只需 3分钟即可完成上述方法。此外,作为上述运行的结果,originalColourList
填充了582项。
有人可以指导我如何改善此方法的性能?实际的文本文件大小可能会达到60MB
。
FYI-
正则表达式的正确匹配:0.922 0.833 0.855 SRGB
正则表达式的错误匹配:/ SRGB / setrgbcolor load def
txt文件最初是一个postscript文件,我已将其保存为txt文件,以便使用C#进行操作。
答案 0 :(得分:3)
如果你像这样重写正则表达式会更快,更快:
Regex regex = new Regex(@"^\d+(\.\d*)? \d+(\.\d*)? \d+(\.\d*)? SRGB$");
注意两个重要的变化:
.
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。\.
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
,正则表达式可能会更快(通过头发)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。
答案 1 :(得分:0)
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。