使用正则表达式有效地测试“EndsWith”答案

【问题标题】：testing for "EndsWith" efficiently with a Regex使用正则表达式有效地测试“EndsWith”
【发布时间】：2010-01-17 15:58:56
【问题描述】：

我需要构建一个正则表达式（.NET 语法）来确定字符串是否以特定值结尾。具体来说，我需要测试一个文件是否具有特定的扩展名（或一组扩展名）。

我正在尝试修复的代码正在使用：

.*\.(png|jpg|gif)$

在我的场景中，这对于失败的匹配来说非常慢（可能是由于回溯。

在开始时简单地删除.*（这很好，因为API 只测试匹配并且不提取任何内容）使正则表达式更加高效。

还是觉得效率很低。我在这里遗漏了什么明显的东西吗？

不幸的是，我无法控制相关 API，因此我需要一个正则表达式来执行此操作，尽管我通常不会认为正则表达式是适合这项工作的工具。

我还使用RegexOptions.RightToLeft 进行了一些测试，发现使用^.*\.(png|jpg|gif)$ 可以从我的测试用例中挤出更多性能，但是我找不到在正则表达式本身的字符串，所以我认为我不能使用它。

【问题讨论】：

\.(png|jpg|gif)$ 的缓慢程度有多大，因为我认为这是使用正则表达式最简单的方法。其余的取决于实施。
为什么不直接遍历有效扩展的数组并使用.EndsWith？简单的字符串比较比正则表达式引擎快得多。
需要多快？在 Ruby（最慢的语言之一）中，我每秒可以比较 348,000 条路径。我会选择更简单的正则表达式，不是因为它更快，而是因为它更容易阅读和理解。
@Wayne：只有当你永远被一些扩展锁定时，它才会更容易阅读和理解。如果以后你想支持bmp怎么办？ tif? tiff? apng?或者纠正jpeg实际上也是一个广泛使用的JPEG扩展？你的正则表达式很快就会变成一个很难diff 的单行怪物，我的数组仍然可以维护和理解。
@Kenny，说得好。在 Ruby 中，可以很容易地用字符串构建正则表达式。这肯定会影响我对什么是容易的和什么是困难的看法。从扩展数组开始，可以像这样简单地得到一个正则表达式：Regexp.new('.' + extensions.join('|') + '$')。如果可以用 C# 中的字符串制作正则表达式，则可以使用相同的技术（不同的语法）。

标签： c# regex

【解决方案1】：

我无权访问 C#，所以我不能尝试这个...但是您应该能够通过强制引擎首先找到字符串的结尾，然后匹配扩展名来避免过多的回溯：

$(?<=\.(gif|png|jpg))

不过，我不确定后视对性能的影响。

【讨论】：

根据我的初步测试，这比我使用的方法快大约 2 倍，并且与我在测试应用程序中进行的 RightToLeft 匹配大致相当。我想这是有道理的，因为它本质上是手动将表达式编写为 RightToLeft
好的，很高兴知道！我很确定一些正则表达式引擎在编译阶段看到$ 锚点时会进行优化，确保从字符串末尾开始检查，但显然.NET 正则表达式引擎不会。
我注意到有人对我的回答投了反对票，但没在意解释原因……这让反对票毫无意义，不是吗？请始终解释为什么您对某事投反对票。

【解决方案2】：

真的，您也可以完全放弃 Regex，并使用 String.EndsWidth，如下所示：

var extensions = new String[] { ".png", ".jpg", ".gif" };
extensions.Any(ext => "something".EndsWith(ext));

我通常觉得在这种情况下使用简单的字符串函数最终会更快，而不是试图找到一种聪明的方法来使用高效的正则表达式，就运行时和/或开发时间而言，除非你是熟悉并知道在 Regex 方面什么是有效的。

【讨论】：

另一方面，也许过于偏颇，请注意，我认为正则表达式实际上是邪恶的小妖精，试图超越你的大脑。

【解决方案3】：

让它看起来专门针对一个句点而不是扩展名之前的任何字符：

\.(png|jpg|gif)$

这将使其更安全（不会匹配 x.xgif），并且在找到句点之前根本不需要进行任何回溯（而不是在每个字符上回溯）。

【讨论】：

我原来的正则表达式确实有文字点，但是当我在这里发布时它在标记中丢失了。

【解决方案4】：

如果您可以更改代码，为什么不能使用其他代码？你不控制 API，对，但无论如何你都在改变它。这个我真的不明白。

无论如何，为什么不简单：

var AcceptedExtensions = new List<string>() { "txt", "html", "htm" };
var extension = filename.Substring(filename.LastIndexOf(".") + 1).ToLower();
return AcceptedExtensions.Contains(extension);

IEnumerable AcceptedExtensions 将从某些配置中加载，与加载 jpg|gif|... 的方式相同。或者这将是一个常数，无论如何。您只是不需要在每次使用它时都重新创建它（不过我怀疑这会是一个瓶颈）。

【讨论】：

是的，这是显而易见的方法，但我很确定他坚持使用一个 API，该 API 将字符串作为正则表达式处理。
是的，我希望能够使用基于字符串的方法而不是正则表达式，但在这种情况下我没有这个选项。
你为什么说你没有选择权？一种选择是上面的代码。为什么不能用？
@Bruno Reis：想象一下他必须使用类似processFiles(<regex_goes_here>) 的 API，并且 processFiles() 函数在二进制 dll 中提供给他。
@Bruno Reis：我们确切地知道限制是什么。他在帖子中说："I don't control the API in question so I need a regex to do this even though I wouldn't normally consider regex to be the right tool for the job"。这意味着他需要调用一个接受字符串的函数（我不知道为什么不是正则表达式对象）并将该字符串解释为正则表达式。他不能改变那个函数的来源。他要求将一个好的正则表达式传递给该函数。

【解决方案5】：

您可能不需要正则表达式...但是请使用原始问题：

确保您使用 RegexOptions.Compiled 来预编译正则表达式，然后重用您的 RegEx 对象。这样可以避免每次使用 RegEx 时都设置它，这将大大加快速度。

【讨论】：

@NowYouHaveTwoProblems：您能否测试一下 SoapBox 的解决方案并告诉我们与您的方法相比如何？
由于他不能发送RightToLeft选项，他也不能发送Compiled选项。
@Blixt 就在这里。我所能做的就是传入一个字符串，该字符串将被解释为远端的正则表达式。