c# - C# 中的 Regex.match 性能问题

Question

大家好我在 C# 中使用 Regex.match 来逐行调整文本文件。我发现当线条与模式不匹配时，它会花费更多时间(大约 2-4 秒)。但是匹配时花费的时间更少(少于 1 秒)。谁能告诉我如何提高性能？

这是我正在使用的正则表达式:

^.*?\t.*?\t(?<npk>\d+)\t(?<bol>\w+)\t.*?\t.*?\t.*?\t.*?\t.*?\t.*?\t.*?\t.*?\t.*?\t\s*(?<netValue>[\d\.,]+)\t.*?\t.*?\t(?<item>\d{6})\t(?<salesDoc>\d+)\t(?<acGiDate>[\d\.]{10})\t.*?\t.*?\t.*?\t.*?\t.*?\t(?<delivery>\d+)\t\s*(?<billQuantity>\d+)\t.*?\t(?<material>[\w\-]+)\tIV$

Answer 1

仅在正则表达式无法匹配时才会出现的性能问题通常是由于 catastrophic backtracking 引起的.当正则表达式允许许多可能的组合来匹配主题文本时，就会发生这种情况，所有这些组合都必须由正则表达式引擎尝试，直到它可能宣布失败。

在您的情况下，失败的原因很明显:

首先，您所做的实际上不应该使用正则表达式来完成，而应该使用 CSV 解析器(在您的情况下为 TSV 解析器)。

不过，如果您受困于正则表达式，您仍然需要进行一些更改。您的问题是分隔符 \t 也可以由点 (.) 匹配，因此除非整个字符串匹配，否则正则表达式引擎必须尝试大量排列，就像我上面概述的那样。

因此，向前迈出的一大步是将所有 .*? 更改为适用的 [^\t]*，并使用 {m,n} 运算符:

^(?:[^\t]*\t){2}(?<npk>\d+)\t(?<bol>\w+)(?:\t[^\t]*){9}\t\s*(?<netValue>[\d\.,]+)(?:\t[^\t]*){2}\t(?<item>\d{6})\t(?<salesDoc>\d+)\t(?<acGiDate>[\d\.]{10})(?:\t[^\t]*){5}\t(?<delivery>\d+)\t\s*(?<billQuantity>\d+)\t[^\t]*\t(?<material>[\w\-]+)\tIV$

希望我没有算错:)

---

仅供说明:

匹配这段文字

1   2   3   4   5   6   7   8   9   0

从上面的正则表达式中摘录

.*?\t.*?\t.*?\t.*?\t.*?\t.*?\t.*?\t.*?\t.*?\t\s*(?<netValue>[\d\.,]+)

使用正则表达式引擎 39 个步骤。

不过，当您向它输入这段文字时:

1   2   3   4   5   6   7   8   9   X

它需要正则表达式引擎 4602 步来确定它无法匹配。

如果你使用

(?:[^\t]*\t){9}\s*(?<netValue>[\d\.,]+)

相反，引擎需要 30 个步骤才能成功匹配，而失败尝试只需 39 个步骤。