C# 如何超越这个正则表达式替代品？
经过大量测量，我已经在我们的一个windows服务中发现了一个热点，我想对其进行优化。我们正在处理可能包含多个连续空格的字符串，我们希望将其缩减为仅包含单个空格。我们使用静态编译的正则表达式执行此任务：C# 如何超越这个正则表达式替代品？,c#,regex,optimization,string,C#,Regex,Optimization,String,经过大量测量，我已经在我们的一个windows服务中发现了一个热点，我想对其进行优化。我们正在处理可能包含多个连续空格的字符串，我们希望将其缩减为仅包含单个空格。我们使用静态编译的正则表达式执行此任务： private static readonly Regex regex_select_all_multiple_whitespace_chars = new Regex(@"\s+",RegexOptions.Compiled); 然后按如下方式使用： var cl
private static readonly Regex
regex_select_all_multiple_whitespace_chars =
new Regex(@"\s+",RegexOptions.Compiled);
var cleanString=
regex_select_all_multiple_whitespace_chars.Replace(dirtyString.Trim(), " ");
不安全的处理会进一步加快速度吗
编辑：
谢谢你对这个问题的惊人回答。。。真想不到 只有一个建议，如果您的数据没有unicode空格，请使用[\r\n]+
或[\n]+
或+
（如果只有空格），基本上将其限制为最小字符集。目前，您正在用另一个空格替换单个空格。尝试匹配\s{2，}
（或者类似的东西，如果您想替换单个换行符和其他字符） 无法使用正则表达式。例如：
private static string NormalizeWhitespace(string test)
{
string trimmed = test.Trim();
var sb = new StringBuilder(trimmed.Length);
int i = 0;
while (i < trimmed.Length)
{
if (trimmed[i] == ' ')
{
sb.Append(trimmed[i]);
do { i++; } while (i < trimmed.Length && trimmed[i] == ' ');
}
sb.Append(trimmed[i]);
i++;
}
return sb.ToString();
}
请注意，这仅通过一个非常简单的示例进行了测试，可以通过删除对String.Trim
的调用进行进一步优化，并且仅用于说明正则表达式有时不是最佳答案。这大约快三倍：
private static string RemoveDuplicateSpaces(string text) {
StringBuilder b = new StringBuilder(text.Length);
bool space = false;
foreach (char c in text) {
if (c == ' ') {
if (!space) b.Append(c);
space = true;
} else {
b.Append(c);
space = false;
}
}
return b.ToString();
}
我很好奇一个直接的实现会如何执行：
static string RemoveConsecutiveSpaces(string input)
{
bool whiteSpaceWritten = false;
StringBuilder sbOutput = new StringBuilder(input.Length);
foreach (Char c in input)
{
if (c == ' ')
{
if (!whiteSpaceWritten)
{
whiteSpaceWritten = true;
sbOutput.Append(c);
}
}
else
{
whiteSpaceWritten = false;
sbOutput.Append(c);
}
}
return sbOutput.ToString();
}
由于它是这样一个简单的表达式，将两个或多个空格替换为一个空格，因此请去掉Regex对象并自己硬编码替换内容（在C++/CLI中）：
String^text=“一些要处理的文本”；
布尔空间=假；
//使下面的静态文件保持干净，而不是每次都重新分配它
System:：Text:：StringBuilder^output=gcnew System:：Text:：StringBuilder；
对于（int i=0，l=text->Length；i追加（文本[i]）；
空格=假；
}
}
其他的
{
输出->追加（文本[i]）；
如果（文本[i]=''）
{
空格=真；
}
}
}
text=output->ToString（）；
这个怎么样
public string RemoveMultiSpace(string test)
{
var words = test.Split(new char[] { ' ' },
StringSplitOptions.RemoveEmptyEntries);
return string.Join(" ", words);
}
使用NUnit运行测试用例：
测试时间以毫秒为单位
Regex Test time: 338,8885
RemoveMultiSpace Test time: 78,9335
阵列总是会更快
public static string RemoveMultiSpace(string input)
{
var value = input;
if (!string.IsNullOrEmpty(input))
{
var isSpace = false;
var index = 0;
var length = input.Length;
var tempArray = new char[length];
for (int i = 0; i < length; i++)
{
var symbol = input[i];
if (symbol == ' ')
{
if (!isSpace)
{
tempArray[index++] = symbol;
}
isSpace = true;
}
else
{
tempArray[index++] = symbol;
isSpace = false;
}
}
value = new string(tempArray, 0, index);
}
return value;
}
publicstaticstringremovemultispace（字符串输入）
{
var值=输入；
如果（！string.IsNullOrEmpty（输入））
{
var-isSpace=false；
var指数=0；
变量长度=输入长度；
var tempArray=新字符[长度]；
for（int i=0；i
您是经常在较小的字符串上运行它，还是在巨大的字符串上运行它strings@rob，它在大约10-40个字符长的字符串上运行，不确定C++/CLI是否正确！语法稍有不同，但将上述内容更改为C并不难。我刚刚打开了一个C++/CLI项目来测试代码（是的，我知道，但我必须使用它）。除了空白不仅仅是'
，而且您不使用变量trimemd
，这正是我要建议的+1@Rob丰塞卡·恩索尔，感谢你发现了这一点，这是最后一分钟的不完全改变我同意。对于关键点，快速测试表明我们可以做得更好。可能是因为代码更改与性能的比率非常好。在正则表达式中仅更改几个字符即可提高25%：）那太好了。快速浅层测试表明这比StringBuilder方法更快。更新：抱歉，起初我忘记了loop over RemoveMultiSpace方法。我认为测试结果看起来太糟糕了。；）它比使用StringBuilder快一点，但它也会创建一组临时字符串。您必须使用一些真实数据来尝试这些方法，以了解其对性能的影响。有人知道为什么这比StringBuilder方法快吗？@Heinzi:它在框架中使用优化（不安全模式或非托管）方法，比使用StringBuilder的托管代码快。尽管拆分联接做了一些额外的工作，但在某些情况下它的速度仍然更快，大约是正则表达式的三倍。Se我的答案（代码基本相同）。过度使用var
关键字。为什么要将数组复制到另一个数组，而不是仅仅从tempArray创建字符串？@“{2，}”的性能几乎（在10%以内）与我的数据中建议的最佳方法一样好，回答得太好了！我选择了这个变体。使用for（int i…代替foreach，使用char c=text[i]可以提高一点速度。再次感谢大家。
public string RemoveMultiSpace(string test)
{
var words = test.Split(new char[] { ' ' },
StringSplitOptions.RemoveEmptyEntries);
return string.Join(" ", words);
}
Regex Test time: 338,8885
RemoveMultiSpace Test time: 78,9335
private static readonly Regex regex_select_all_multiple_whitespace_chars =
new Regex(@"\s+", RegexOptions.Compiled);
[Test]
public void Test()
{
string startString = "A B C D E F A B C D E F A B C D E F A B C D E F A B C D E F A B C D E F A B C D E F A B C D E F A B C D E F A B C D E F ";
string cleanString;
Trace.WriteLine("Regex Test start");
int count = 10000;
Stopwatch timer = new Stopwatch();
timer.Start();
for (int i = 0; i < count; i++)
{
cleanString = regex_select_all_multiple_whitespace_chars.Replace(startString, " ");
}
var elapsed = timer.Elapsed;
Trace.WriteLine("Regex Test end");
Trace.WriteLine("Regex Test time: " + elapsed.TotalMilliseconds);
Trace.WriteLine("RemoveMultiSpace Test start");
timer = new Stopwatch();
timer.Start();
for (int i = 0; i < count; i++)
{
cleanString = RemoveMultiSpace(startString);
}
elapsed = timer.Elapsed;
Trace.WriteLine("RemoveMultiSpace Test end");
Trace.WriteLine("RemoveMultiSpace Test time: " + elapsed.TotalMilliseconds);
}
public string RemoveMultiSpace(string test)
{
var words = test.Split(new char[] { ' ' }, StringSplitOptions.RemoveEmptyEntries);
return string.Join(" ", words);
}
Cleaning file with about 30000 lines, 10 iterations
RegEx time elapsed: 608,0623
RemoveMultiSpace time elapsed: 239,2049
RemoveDuplicateSpaces time elapsed: 307,2044
Cleaning string, 10000 iterations:
A B C D E F A B C D E F A B C D E F A B C D E F A B C D E F A B C D E F A B C D E F A B C D E F A B C D E F A B C D E F A B C D E F A B C D E F A B C D E F A B C D E F A B C D E F A B C D E F A B C D E F A B C D E F A B C D E F A B C D E F
RegEx time elapsed: 590,3626
RemoveMultiSpace time elapsed: 159,4547
RemoveDuplicateSpaces time elapsed: 137,6816
Cleaning string, 10000 iterations:
A B C D E F A B C D E F A B C D E F A B C D E F A B C D E F A B C D E F A B C D E F A B C D E F
RegEx time elapsed: 290,5666
RemoveMultiSpace time elapsed: 64,6776
RemoveDuplicateSpaces time elapsed: 52,4732
public static string RemoveMultiSpace(string input)
{
var value = input;
if (!string.IsNullOrEmpty(input))
{
var isSpace = false;
var index = 0;
var length = input.Length;
var tempArray = new char[length];
for (int i = 0; i < length; i++)
{
var symbol = input[i];
if (symbol == ' ')
{
if (!isSpace)
{
tempArray[index++] = symbol;
}
isSpace = true;
}
else
{
tempArray[index++] = symbol;
isSpace = false;
}
}
value = new string(tempArray, 0, index);
}
return value;
}