Question

我遇到了一些我写过的正则表达式代码的性能问题。

涉及两个正则表达式：

第一个是直接文本搜索，传递给以下C＃代码，以便我可以计算文本中的实例：

textMatchRegExp1：string that im searching for

第二个匹配html注释中存在的文本，允许空格。

textMatchRegExp2：){0}.*(string that im searching for)+.*(

这些表达式的目的是让我可以找到文本是否出现在页面的html源代码中，但不在注释中。如果textMatchRegExp1找到的总计数大于textMatchRegExp2，则必须在注释中找不到文本的实例。

我知道这看起来并不是最简单的方法，我认为背后有消极/积极的看法，但就我能解决而言，这似乎不适合我的问题（请纠正我，如果我是错）。

我已经确定了这个方法，因为这个方法通过单元测试可以非常可靠地工作，即使文本在同一个注释中多次存在。

我的问题是，对于我测试的某些网页来说，这被证明是无法接受的慢，在某些情况下完全冻结应用程序。

无论如何我可以优化reg ex搜索吗？我已经为上下文包含了完整的C＃代码。

public static bool StringExistsInSource(string text, string html)
        {
            text = text.ToLower();

            text = text.Replace(" ", @"\s+"); // Add in white space to  match

            html = html.ToLower();

            // Matches up all instances of text, including those in comments 
            string textMatchRegExp = text;

            // Matches up comments containing text
            string textWithinCommentRegExp = "<!--.*(-->){0}.*(" + text + ")+.*(<!--){0}.*-->"; 

            // Read total count of ALL matches
            int textMatchCount = Regex.Matches(html, textMatchRegExp).Count;

            int textWithinCommentCount = 0;

            // Iterate through comments containing given text

            foreach (Match m in Regex.Matches(html, textWithinCommentRegExp))
            {
                textWithinCommentCount += Regex.Matches(m.ToString(), textMatchRegExp).Count;
            }

            // If text exists outside of comments,
            // the total match count will be higher than the 
            // text within comments count

            return textMatchCount > textWithinCommentCount;
        }

Answer 1

如果您正在搜索不同html页面中的相同文本（而不是在同一个html页面中搜索“text”的不同值），您可以尝试使用{{1编译正则表达式}}

但是，如果您没有重复使用正则表达式，那么编译不会给您带来任何性能优势（因为您第一次使用正则表达式时很慢）并且可能会使应用程序的内存占用空间膨胀（因为，如果我没记错的话），来自编译正则表达式的生成代码不能被垃圾收集）

.NET C＃正则表达式优化 - 我可以解决这个性能问题吗？

1 个答案: