正则表达式解析电子邮件 - 高 CPU 负载 [重复]

Question

可能重复：
c# regex email validation

我目前正在使用以下正则表达式和代码从 html 文档中解析电子邮件地址

string pattern = @"\w+([-+.]\w+)*@\w+([-.]\w+)*\.\w+([-.]\w+)*";
Regex regex = new Regex(
      pattern,
      RegexOptions.None | RegexOptions.Compiled);

MatchCollection matches = regex.Matches(input); // Here is where it takes time
MessageBox.Show(matches.Count.ToString());

foreach (Match match in matches)
{
    ...
}

例如：

尝试解析http://www.amelia.se/Pages/Amelia-search-result-page/?q=

在 RegexHero 上，它崩溃了。

有什么办法可以优化吗？

Answer 1

为了详细说明@Joey 的建议，我建议逐行检查您的输入，删除任何不包含@ 的行，并将您的正则表达式应用于包含的行。这应该会大大减少负载。

private List<Match> find_emails_matches()
{
    List<Match> result = new List<Match>();

    using (FileStream stream = new FileStream(@"C:\tmp\test.txt", FileMode.Open, FileAccess.Read))
    {
        using(StreamReader reader = new StreamReader(stream))
        {
            string pattern = @"\w+([-+.]\w+)*@\w+([-.]\w+)*\.\w+([-.]\w+)*";
            Regex regex = new Regex(pattern, RegexOptions.None | RegexOptions.Compiled);

            string line;
            while((line = reader.ReadLine()) != null)
            {
                if (line.Contains('@'))
                {
                    MatchCollection matches = regex.Matches(line); // Here is where it takes time                            
                    foreach(Match m in matches) result.Add(m);
                }
            }
        }
    }

    return result;
}