C# 通过在大文本上多次调用Regex.IsMatch优化性能

我有一个长文本（50-60KB），需要对它运行几个正则表达式（总共大约100条规则）。然而，这是如此缓慢，它基本上不工作

我所做的就是围绕规则创建一个循环，其中每个规则执行一个

Regex.IsMatch（）

有没有办法优化这一点

更新

每个规则正在执行的操作的示例代码：

public class SomeRegexInterceptor : ValidatorBase
    {
        private readonly Regex _rgx = new Regex("some regex", RegexOptions.Compiled | RegexOptions.IgnoreCase | RegexOptions.Singleline); 

        public override void Intercept(string html, ValidationResultCollection collection)
        {
            if (!_rgx.IsMatch(html)) return;

            /* do something irrelevant here */
        }
    }

---

使用Regex替换最重要的一点是如何以及在何处声明Regex不要在循环中初始化正则表达式对象。

创建一个静态类并添加

publicstaticreadonly

Regex字段和

RegexOptions.Compiled

标志集

然后，在任何需要的地方使用它们，使用类似于

myregexportss.LeadingWhitespace.Replace（str，string.Empty）

的东西

请注意，如果您需要使用

Regex.Replace

，则无需检查之前是否与

Regex.IsMatch

匹配

阅读并遵循中概述的建议，即：

---

也可以考虑逐行处理文件，避免没有它们的正则表达式。

< P>可以将规则合并成一条规则吗？例如：如果您正在为“aaa”执行一个正则表达式，然后为“bbb”执行一个正则表达式，则组合到“aaa | bbb”中可以大大提高性能（而不是运行两个单独的正则表达式）。我以前曾以这种方式以编程方式组合过大量正则表达式，这会产生巨大的性能差异。

组合表达式 如果您能够在运行规则之前执行工作，那么可以将正则表达式与

|

组合在一起，一次完成搜索。然后在你的规则中，你不会像以前那样匿名检查匹配，而是按组名检查匹配。比如说

>((?<Ex1>expression1)|(?<Ex2>expression2)|(?<Ex3>expression3))

（（？表达式1）|（？表达式2）|（？表达式3））

因此，关心组

Ex1

的规则检查该组。关心

Ex2

的规则检查

Ex2

等等

此外，您还可以分析正则表达式集并以某种方式优化它们。这将是一个非常有程序性的壮举，除非你正在做一些简单的事情，比如消除重复

缓存，缓存大小 另一个想法是缓存所有正则表达式并在某个地方编译一次，然后更改

Regex.CacheSize

的大小以查看是否有帮助。默认值为15，但您已超过该值

更多信息

---

关于实例化和编译表达式一次的注释是有效的，即使没有那么大的注释。还有其他建议。

确保使用

RegexOptions.Compiled

标志在循环外部初始化Regex。同时尽可能多地从循环中移除。如果您可以逐行工作，请尝试这样做，而不是搜索一个巨大的50-60KB字符串。@AeroX-我不是。您可以检查示例代码以获取参考。您在哪里创建了多少次此类实例？它不是静态的，正则表达式在实例创建时就被初始化了。这是低效的。正则表达式本身也很可能（更多？）需要优化。对每个正则表达式匹配进行计时，以查看是否存在需要异常长时间才能匹配（或无法匹配）的正则表达式。像这样的问题通常是由于。嘿-请检查提供的示例代码。我不认为我在做任何疯狂的事情。也许，用正则表达式解析HTML是个坏主意？；-）我确信问题在于某些正则表达式导致了巨大的回溯。调试您的表达式，并检查执行哪里出错。修正模式。重复一遍。请特别注意，.*就是罪魁祸首。ThanksI想补充一点，我怀疑在循环中构造正则表达式，甚至不使用

RegexOptions.Compiled

作为C#用

Regex.CacheSize

缓存正则表达式会产生重大问题，所以只要您有相对少量的正则表达式，实际上它应该与@derakantrican差不多，随着最新的发展，.NET正则表达式变得更加稳定，不太容易出现灾难性回溯等问题。这个6年前的答案反映了我们在以前的工作中遵循的最佳实践。