我正在编写一个用于C＃中的一些数据处理的程序，在做了一些分析之后，我发现我使用的正则表达式是最大的瓶颈。它们占用了整个算法的大约80％的时间，这不仅仅是解析，所以我决定手动解析数据。
格式相当简单，我基本上以=XXX+YYY的形式解析简单的算术表达式，其中XXX和YYY是术语，+表示可应用于这些术语的一组有限运算符之一。虽然这些术语可以用几种不同的方式表示，但总是只有两个术语和一个算子。
到目前为止，我的方法是基本上编写一个类似于(matchXXX)([+-*/...])(matchYYY)的正则表达式，然后对每个操作数应用另一个正则表达式以查看它们的类型。我在编写高性能解析器时并没有那么多经验。我只在Haskell中使用过Parsec，它有一个非常独特的方法，可能需要做很多工作才能实现。
那么问题是，为这种表达式编写解析器的好方法是什么？在大多数情况下，是否有一种通用方法可以正常使用？
我不是在寻找解析器生成器。我需要的是一个可以手动实现的简单解决方案。
更新：最慢的正则表达式目前为([A-Z]+\d+)([+\-*/])([A-Z]+\d+)
答案 0 :(得分：2)
我要尝试的第一道攻击是优化正则表达式本身。由于表达式的结构缺乏嵌套，因此可能会进行简单的优化，从而显着减少引擎所需的时间。
接下来我会尝试通过预编译表达式来更好地使用正则表达式引擎，即使用Regex的非静态方法，而不是静态方法。
在这两种方法都不奏效的情况下，我会选择一个简单的recursive descent parser。到目前为止，这些解析器是最简单的解码器，但它们为简单语言提供了良好的性能（并且您的语言绝对简单）。
答案 1 :(得分：0)
你是否使用反向引用？如果不是 - 很棒，你可以使用更快的正则表达式引擎来优化它。在这里阅读更多优秀文章：Regular Expression Matching Can Be Simple And Fast。
由于你最复杂的正则表达式没有使用它，我希望其他人就是这种情况。下一步 - 你提前知道你的正则表达，还是作为输入？如果是前者 - 预先编译它们。
我自己写了多个正则表达式引擎（我的NLT suite的一部分），但它仍然很新鲜 - 无论如何它显示了这个想法，使用了你使用的所有正则表达式，编译它们，构建转换表，然后运行它反对输入。由于该表具有所有正则表达式的转换，因此没有时间花在思考这个，也许就是这样。用我的MRE替换.Net正则表达式后，我获得了x2加速（我说，它很新鲜:-D）。