C# 中的大字符串正则表达式替换性能答案

【问题标题】：Large string regex replace performance in C#C# 中的大字符串正则表达式替换性能
【发布时间】：2015-02-20 11:14:26
【问题描述】：

我在 C# 中遇到正则表达式性能问题。

我需要替换一个非常大的字符串（270k 字符，不要问为什么..）。正则表达式匹配大约 3k 次。

private static Regex emptyCSSRulesetRegex = new Regex(@"[^\};\{]+\{\s*\}", RegexOptions.Compiled | RegexOptions.Singleline);

public string ReplaceEmptyCSSRulesets(string css) {
  return emptyCSSRulesetRegex.Replace(css, string.Empty);
}

我传递给方法的字符串如下所示：

.selector-with-statements{border:none;}.selector-without-statements{}.etc{}

目前，替换过程在 C# 中占用 1500ms，但当我在 Javascript 中执行完全相同的操作时，它只需要 100ms。

我用来计时的Javascript代码：

console.time('reg replace');
myLargeString.replace(/[^\};\{]+\{\s*\}/g,'');
console.timeEnd('reg replace');

我还尝试通过以相反的顺序循环匹配并替换 StringBuilder 中的字符串来进行替换。这没有帮助。

在这种情况下，我对 C# 和 Javascript 之间的性能差异感到惊讶，我认为我做错了什么，但我什么都想不出来。

【问题讨论】：

我认为用于 JS 和 C# 的正则表达式引擎是不同的。您不应该比较不同语言的功能。我不确定 C# 但在 Java 中，创建正则表达式（当你做 matches() 时）本身是一个耗时的过程。它涉及同步和其他耗时的东西。
尝试将\s 更改为[\f\n\r\t\v\u00A0\u2028\u2029] 或使用RegexOptions.ECMAScript。在 JS 和 C# 中处理字符类的方式存在差异
@TheLostMind 我同意，但差别很大......所以这可能是我在 C# 中做错了什么的信号。我正试图找出究竟是什么。
看看stackoverflow.com/questions/1252194/…
@stribizhev 你认为正则表达式有问题吗？这与 javascript 正则表达式执行时间不对应。但是我做了一个只匹配而不替换的测试，这在 C# 中很快。

标签： c# regex performance replace

【解决方案1】：

我无法真正解释 Javascript 和 C# 之间的时间差异(*)。但是您可以尝试提高模式的性能（这会产生大量回溯）：

private static Regex emptyCSSRulesetRegex = new Regex(@"(?<keep>[^};{]+)(?:{\s*}(?<keep>))?", RegexOptions.Compiled);

public string ReplaceEmptyCSSRulesets(string css) {
    return emptyCSSRulesetRegex.Replace(css, @"${keep}");
}

您的原始模式的一个问题是，当大括号不为空（或未填充空格）时，正则表达式引擎将继续测试开始大括号之前的每个位置（结果始终相同）。示例：使用字符串abcd{1234}，您的模式将从a 开始测试，然后是b ...

我建议的模式会消耗abcd，即使它后面没有空大括号，所以bcd的位置没有经过测试。

abcd 被捕获在名为 keep 的组中，但当找到空大括号时，捕获组将被空捕获组覆盖。

您可以了解两种模式所需的步骤数（检查调试器）：

original pattern

new pattern

注意：如果您将[^}{;]+ 括在一个原子组中，则可以改进您的原始模式。此更改会将所需的步数除以 2（与原来相比），但即使如此，由于前面解释的原因，步数仍然很高。

(*) javascript 正则表达式引擎可能足够聪明，不会重试所有这些位置，但这只是一个假设。

【讨论】：

谢谢！您的正则表达式似乎有效。我也会在 Javascript 正则表达式中尝试一下
@WillemdeWit：您不能在 javascript 中使用相同的模式，因为它不支持命名捕获，但您可以使用回调函数编写类似的东西作为替换：str.replace(/[^};{]+({\s*})?/g, function (m, g1) { return (g1) ? '' : m; });
原来也快了 10 倍。
比以前快 10 倍？还是比 JS 中的前一个正则表达式快 10 倍？
@CasimiretHippolyte - 您能否将“原始模式”和“新模式”正则表达式带入答案中 - 外部链接不受欢迎，因为外部站点可能会更改，从而破坏有价值的答案SO社区。除了在答案中显示正则表达式之外，您当然还可以拥有链接。