正则表达式用于锚标签挂钩 CPU

Question

所以我把我的正则表达式分成两半，发现这一半导致 CPU 在负载下挂钩。 我可以做些什么来节省性能？ 我真的找不到任何可以刮掉的地方。

private string pattern = 
@"(<as+hrefs*=s*(""|')http(s)?://(www.)?([a-z0-9]+-?[a-z0-9]+.)?wordpress.org(""|'))";
Regex wordPressPattern = new Regex(regexPattern, RegexOptions.Compiled | RegexOptions.IgnoreCase | RegexOptions.Singleline);

Answer 1

作为性能下沉，我唯一跳出来的是这部分：

[a-z0-9]+-?[a-z0-9]+

这个想法是匹配带连字符的单词，如luxury-yacht或THX-1138，同时仍然允许没有连字符的单词。 问题是，如果没有连字符，正则表达式引擎仍然必须选择如何在第一个[a-z0-9]+和第二个之间分配字符。 如果它尝试将word匹配为 w-o-r-(no hyphen)-d ，并且正则表达式中稍后的内容不匹配，则必须返回并尝试w-o-(no hyphen)-r-d，依此类推。 这些努力毫无意义，但正则表达式引擎无法知道这一点。 你需要给它一点帮助，比如：

[a-z0-9]+(-[a-z0-9]+)?

现在你说，"如果你用完了字母数字，下一个字符是连字符，试着匹配更多的字母数字。 否则，请继续下一部分。 但在这种情况下，您不需要如此具体;您尝试查找网址，而不是验证网址。 我建议您将该部分替换为：

[a-z0-9-]+

这也允许它匹配具有多个连字符的单词(例如，james-bond，但也james-bond-007(。

您还有很多不必要的捕获组。 您似乎没有使用捕获，因此您不妨使用 ExplicitCapture 选项来进一步提高性能。 但是，即使出于纯粹的分组目的，似乎也不需要大多数组。 我建议你试试这个正则表达式：

@"<as+hrefs*=s*[""']https?://([a-z0-9-]+.)+wordpress.org[""']"

。使用以下选项：

RegexOptions.Compiled | RegexOptions.IgnoreCase | RegexOptions.ExplicitCapture