C# 正则表达式性能问题

我有一个长字符串，其中包含大约100个参数（string parameterName），与以下模式匹配：

parameterName + "(Whitespace | CarriageReturn | Tabulation | Period | Underline | Digit | Letter | QuotationMark | Slash)* DATA Whitespace Hexadecimal"

我曾尝试使用此正则表达式，但它的工作时间太长：

parameterName + "[\\s\\S]*DATA\\s0x[0-9A-F]{4,8}"

这个乱七八糟的比较好用：

parameterName + "(\\s|\r|\n|\t|\\.|[_0-9A-z]|\"|/)*DATA\\s0x[0-9A-F]{4,8}"

我会使用“*”，但是它与“\n”不匹配

我尝试过“（.|\n）”，但它的工作速度甚至比“[\s\s]”还要慢

---

有什么方法可以改进这个正则表达式吗？

您可以使用

(?>(?>[^D]+|D(?!ATA))*)DATA\\s0x[0-9A-F]{4,8}

(?>                # atomic grouping (no backtracking)
    (?>            # atomic grouping (no backtracking)
        [^D]+      # anything but a D
    |              # or
        D(?!ATA)   # a D not followed by ATA
    )*             # zero or more time
)

想法

我们的想法是在不问自己任何问题的情况下获取

数据，并且不要再进一步，然后返回到它

如果对字符串（如
DATA321
）使用
*DATA
，请参见正则表达式引擎的功能：


*
会吃掉所有字符串
找不到
数据
，因此引擎将逐步回溯并尝试以下组合：
*
将只吃
数据32
，然后是
数据3
，然后是
数据
。。。然后什么都没有，那就是我们找到对手的时候了

如果在
123DATA
上使用
*？DATA
：
*？
将尝试不匹配任何内容，然后
1
，然后
12

每次尝试时，我们都必须检查
停止位置之后是否没有
数据
，这非常耗时。有了
[^D]+|D（？！ATA）
我们可以确保在需要的时候停下来，而不是在之前，而不是之后

小心回溯

那么为什么不使用
（？：[^D]| D（？！ATA））
而不是这些奇怪的原子分组呢

当我们找到匹配项时，这一切都很好，工作正常。但如果我们不这样做会发生什么呢？在声明失败之前，正则表达式必须尝试所有可能的组合。当您在每个字符上都有类似于
（.*）*
的内容时，正则表达式引擎可以使用内部
*
或外部

这意味着组合的数量很快变得巨大。我们不想尝试所有这些：我们知道我们停在了正确的地方，如果我们没有立即找到匹配的，我们永远不会。因此原子分组（显然.NET不支持所有格量词）

你可以理解我的意思：检查一个15个字符长的字符串需要8万个步骤，而这个字符串永远不会匹配

regex大师Friedl在这篇伟大的文章中对此进行了更深入的讨论（比我所能做的更好），
您可以为SPEED.FYI编译您的regex，为了使通配符
匹配新行，您可以只使用
s
标志。我会预编译我的regex，尽管我有每个的循环（parameterNameArray中的字符串parameterName），其中包含每个parameterName的正则表达式编译。感谢您的回答！但是，我尝试使用它时遇到了“嵌套量词异常”。嵌套量词确实会导致“灾难性回溯”，所以你必须使用所有格量词来避免这个问题。我猜C#module无法识别它，并且完全禁止它…只有通过删除++和*+才能解决这个问题。虽然我必须测试它，但它似乎工作得更快。无论如何，谢谢你！@Ivan：请不要这样做，它实际上相当“危险”。我马上解释原因。@Robin.NET不支持所有格量词。它将原始答案中的
[^D]++
解释为
（[^D]+）+
；这就是导致“嵌套量词”异常的原因。