C# \d效率低于[0-9]
我昨天就一个答案发表了评论，其中有人在正则表达式中使用了C# \d效率低于[0-9],c#,regex,performance,C#,Regex,Performance,我昨天就一个答案发表了评论，其中有人在正则表达式中使用了[0123456789]，而不是[0-9]或\d。我说使用范围或数字说明符可能比使用字符集更有效 我今天决定测试一下，结果出乎意料地发现（至少在c#regex引擎中）\d似乎比其他两个效率都低，这两个引擎似乎差别不大。下面是我对10000个随机字符串（1000个随机字符）的测试输出，其中5077实际包含一个数字： Regex \d took 00:00:00.2141226 result: 5077/10000 Rege
[0123456789][0-9]\d\dRegex \d took 00:00:00.2141226 result: 5077/10000
Regex [0-9] took 00:00:00.1357972 result: 5077/10000 63.42 % of first
Regex [0123456789] took 00:00:00.1388997 result: 5077/10000 64.87 % of first
\d[0-9][0-9]\dusing System;
using System.Collections.Generic;
using System.Linq;
using System.Text;
using System.Diagnostics;
using System.Text.RegularExpressions;
namespace SO_RegexPerformance
{
class Program
{
static void Main(string[] args)
{
var rand = new Random(1234);
var strings = new List<string>();
//10K random strings
for (var i = 0; i < 10000; i++)
{
//generate random string
var sb = new StringBuilder();
for (var c = 0; c < 1000; c++)
{
//add a-z randomly
sb.Append((char)('a' + rand.Next(26)));
}
//in roughly 50% of them, put a digit
if (rand.Next(2) == 0)
{
//replace 1 char with a digit 0-9
sb[rand.Next(sb.Length)] = (char)('0' + rand.Next(10));
}
strings.Add(sb.ToString());
}
var baseTime = testPerfomance(strings, @"\d");
Console.WriteLine();
var testTime = testPerfomance(strings, "[0-9]");
Console.WriteLine(" {0:P2} of first", testTime.TotalMilliseconds / baseTime.TotalMilliseconds);
testTime = testPerfomance(strings, "[0123456789]");
Console.WriteLine(" {0:P2} of first", testTime.TotalMilliseconds / baseTime.TotalMilliseconds);
}
private static TimeSpan testPerfomance(List<string> strings, string regex)
{
var sw = new Stopwatch();
int successes = 0;
var rex = new Regex(regex);
sw.Start();
foreach (var str in strings)
{
if (rex.Match(str).Success)
{
successes++;
}
}
sw.Stop();
Console.Write("Regex {0,-12} took {1} result: {2}/{3}", regex, sw.Elapsed, successes, strings.Count);
return sw.Elapsed;
}
}
}
使用系统；
使用System.Collections.Generic；
使用System.Linq；
使用系统文本；
使用系统诊断；
使用System.Text.RegularExpressions；
命名空间SO_RegexPerformance
{
班级计划
{
静态void Main（字符串[]参数）
{
var rand=新随机变量（1234）；
var strings=新列表（）；
//10K随机字符串
对于（变量i=0；i<10000；i++）
{
//生成随机字符串
var sb=新的StringBuilder（）；
对于（var c=0；c<1000；c++）
{
//随机添加a-z
某人附加（（字符）（'a'+rand.Next（26））；
}
//在大约50%的样本中，输入一个数字
if（rand.Next（2）==0）
{
//用数字0-9替换1个字符
sb[rand.Next（sb.Length）]=（char）（'0'+rand.Next（10））；
}
添加（sb.ToString（））；
}
var baseTime=testperformance（字符串@“\d”）；
Console.WriteLine（）；
var testTime=testperformance（字符串“[0-9]”）；
WriteLine（“{0:P2}第一个”，testTime.totalmillizes/baseTime.totalmillizes）；
testTime=TestPerformance（字符串“[0123456789]”）；
WriteLine（“{0:P2}第一个”，testTime.totalmillizes/baseTime.totalmillizes）；
}
私有静态TimeSpan测试性能（列表字符串、字符串正则表达式）
{
var sw=新秒表（）；
int=0；
var rex=新正则表达式（正则表达式）；
sw.Start（）；
foreach（字符串中的var str）
{
如果（重复匹配（str.Success）
{
成功++；
}
}
sw.Stop（）；
Write（“Regex{0，-12}获取{1}结果：{2}/{3}”，Regex，sw.appeased，successfulls，strings.Count）；
返回经过的开关；
}
}
}
\d[0-9]是与\d
匹配的Unicode数字的一个示例，但与[0-9]
不匹配
您可以使用以下代码生成所有此类字符的列表：
var sb = new StringBuilder();
for(UInt16 i = 0; i < UInt16.MaxValue; i++)
{
string str = Convert.ToChar(i).ToString();
if (Regex.IsMatch(str, @"\d"))
sb.Append(str);
}
Console.WriteLine(sb.ToString());
var sb=new StringBuilder（）；
对于（UInt16 i=0；i
由此产生：
0123456789०१२३४५६७८९০১২৩৪৫৬৭৮৯੦੧੨੩੪੫੬੭੮੯૦૧૨૩૪૫૬૭૮૯୦୧୨୩୪୫୬୭୮୯௦௧௨௩௪௫௬௭௮௯౦౧౨౩౪౫౬౭౮౯೦೧೨೩೪೫೬೭೮೯൦൧൨൩൪൫൬൭൮൯๐๑๒๓๔๕๖๗๘๙໐໑໒໓໔໕໖໗໘໙༠༡༢༣༤༥༦༧༨༩၀၁၂၃၄၅၆၇၈၉႐႑႒႓႔႕႖႗႘႙០១២៣៤៥៦៧៨៩᠐᠑᠒᠓᠔᠕᠖᠗᠘᠙᥆᥇᥈᥉᥊᥋᥌᥍᥎᥏᧐᧑᧒᧓᧔᧕᧖᧗᧘᧙᭐᭑᭒᭓᭔᭕᭖᭗᭘᭙᮰᮱᮲᮳᮴᮵᮶᮷᮸᮹᱀᱁᱂᱃᱄᱅᱆᱇᱈᱉᱐᱑᱒᱓᱔᱕᱖᱗᱘᱙꘠꘡꘢꘣꘤꘥꘦꘧꘨꘩꣐꣑꣒꣓꣔꣕꣖꣗꣘꣙꤀꤁꤂꤃꤄꤅꤆꤇꤈꤉꩐꩑꩒꩓꩔꩕꩖꩗꩘꩙０１２３４５６７８９
发件人：
[0-9]
并不等同于\d
[0-9]
只匹配0123456789
字符，而\d
匹配[0-9]
和其他数字字符，例如东方阿拉伯数字
感谢ByteBlast在文档中注意到这一点。只需更改正则表达式构造函数：
var rex = new Regex(regex, RegexOptions.ECMAScript);
提供新的计时：
Regex \d took 00:00:00.1355787 result: 5077/10000
Regex [0-9] took 00:00:00.1360403 result: 5077/10000 100.34 % of first
Regex [0123456789] took 00:00:00.1362112 result: 5077/10000 100.47 % of first
除了from，这里是他的代码的.NET 4.5版本（因为只有该版本支持UTF16输出，前三行c.f.），
使用全部Unicode代码点。
由于缺乏对更高的Unicode平面的适当支持，许多人并不知道总是检查并包括更高的Unicode平面。然而，它们有时确实包含一些重要的字符
更新
由于\d
不支持正则表达式中的非BMP字符（谢谢），这里提供了一个使用Unicode字符数据库的版本
更新2
多亏了，我已经将缺少的引用添加到UCD（通过NuGet package Unicode Deinformation）。还升级到最新的.NET核心版本和UTF-8输出
// reference https://www.nuget.org/packages/UnicodeInformation/
using System;
using System.Collections.Generic;
using System.Linq;
using System.Text;
using System.Globalization;
using System.Unicode;
public class Program
{
public static void Main()
{
var unicodeEncoding = new UTF8Encoding(false);
Console.OutputEncoding = unicodeEncoding;
var numberCategories = new HashSet<UnicodeCategory>(new []{
UnicodeCategory.DecimalDigitNumber,
UnicodeCategory.LetterNumber,
UnicodeCategory.OtherNumber
});
var numberLikeChars =
from codePoint in Enumerable.Range(0, 0x10ffff)
where codePoint > UInt16.MaxValue
|| (!char.IsLowSurrogate((char) codePoint) && !char.IsHighSurrogate((char) codePoint))
let charInfo = UnicodeInfo.GetCharInfo(codePoint)
where numberCategories.Contains(charInfo.Category)
let codePointString = char.ConvertFromUtf32(codePoint)
select (codePoint, charInfo, codePointString);
foreach (var (codePoint, charInfo, codePointString) in numberLikeChars)
{
Console.Write("U+{0} ", codePoint.ToString("X6"));
Console.Write(" {0,-4}", codePointString);
Console.Write(" {0,-40}", charInfo.Name ?? charInfo.OldName);
Console.Write(" {0,-6}", CharUnicodeInfo.GetNumericValue(codePointString, 0));
Console.Write(" {0,-6}", CharUnicodeInfo.GetDigitValue(codePointString, 0));
Console.Write(" {0,-6}", CharUnicodeInfo.GetDecimalDigitValue(codePointString, 0));
Console.WriteLine(" {0}", charInfo.Category);
}
}
}
//参考https://www.nuget.org/packages/UnicodeInformation/
使用制度；
使用System.Collections.Generic；
使用System.Linq；
使用系统文本；
利用制度全球化；
使用System.Unicode；
公共课程
{