C# 使用正则表达式读取文本文件

下面是我为从文本文件读取而编写的方法。在阅读时，我需要将行字符串与给定的正则表达式匹配，如果匹配，则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);
            }
        }
    }
} 

当对具有28653行的

4MB

文本文件运行此方法时，仅完成上述方法大约需要3分钟。此外，作为上述运行的结果，

originalColourList

填充了582项

任何人都可以指导我如何改进此方法的性能吗？实际文本文件大小可能会达到

60MB

供参考-
正则表达式的右匹配：0.922 0.833 0.855 SRGB
正则表达式的匹配错误：/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。

如果按如下方式重写，正则表达式将快得多：

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

注意两个重要的变化：

每个

都用反斜杠转义，以便正则表达式匹配文字点而不是任何字符

每个

\.

和后面的

\d*

作为一个组是可选的，而不是

\.

本身是可选的

原始正则表达式速度较慢，因为

\d+。？\d*

包含连续的（

++

、

？

和

*

）。当正则表达式引擎试图匹配以长数字序列开头的行时，这会导致过度的错误。例如，在我的机器上，包含10000个零的行需要超过四秒钟才能匹配。修改后的正则表达式所需时间不到四毫秒，提高了1000倍

如果你通过的话，正则表达式可能会更快

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Unicode数字，如༧ （藏文7）这一点您并不关心。

根据您的记录格式，您可以比使用正则表达式更快地解析。不知道文件的所有信息，但从您的两个示例来看，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);
                    }
                }
            }
        }

decimalr；
十进制g；
十进制b；
字符串记录；
字符串[]字段；
List ORIGINALCOURLIST=新列表（）；
使用（StreamReader sr=new StreamReader（@“c:\temp\rgb.txt”））
{
while（null！=（rec=sr.ReadLine（））
{
如果（记录EndsWith（“SRGB”））
{
字段=记录拆分（“”）；
如果（fields.Length==4
&&decimal.TryParse（字段[0]，输出r）
&&decimal.TryParse（字段[1]，out g）
&&decimal.TryParse（字段[2]，输出b）
&&（r+g+b！=0）
&&（r！=1&&g！=1&&b！=1）
)
{
RGBColour RGBColour=新RGBColour（）{Red=r，Green=g，Blue=b}；
原始颜色列表。添加（RGB颜色）；
}
}
}
}

---

只要任何条件为false，if就会短路，如果一切都为true，则不再需要将所有值转换为十进制。我用它在大约12.5秒内解析了600万行。

如果您为您的正则表达式显示正确和错误的匹配，您可能会得到更好的答案。这可以帮助我们确定您的正则表达式是否确实是必需的。编辑以包含更多详细信息。非常好的解释。