在对我的代码进行基准测试时，这个正则表达式将循环的运行时乘以 4

Question

有问题的正则表达式是

TldCheck = new Regex(@"(live|lycos|mail|yahoo|gmail|msn|netzero|peoplepc|sbcglobal|verizon|hotmail|earthlink|cox|bellsouth|comcast|barracuda|att|aol).?(com|net|org)@", RegexOptions.IgnoreCase | RegexOptions.Compiled);

当它针对列表运行时，它会导致一些重大滞后。有没有办法重写这个？清除电子邮件列表的目的如下：

[e-mail]
[e-mail]
[e-mail]

Answer 1

加快速度的一种方法是执行以下操作。首先将所有域存储在一个HashSet<string>中。 这是一个非常有效的查找结构，允许快速测试匹配项

HashSet<string> hashSet = new HashSet<string>();
hashSet.Add("live");
hashSet.Add("lycos");
...

接下来，您需要拆分每个电子邮件地址，以便可以取出域。 最简单的方法是执行以下操作

string GetDomain(string email) {
  var index = email.IndexOf('@');
  var end = email.IndexOf('.', index + 1);
  return email.Substring(index, end - index);
}

然后你可以这样测试

if (hashSet.Contains(GetDomain("[e-mail]")) {
  ...
}

Answer 2

有几个问题要问你：- 您真的希望匹配这些域名的电子邮件地址吗？或者这只是为了捕获最常见的电子邮件地址？- 您知道正在搜索的数据的任何特征吗？例如，它是否可能是一个填充

稀疏匹配项的大型数据集？

我通常不使用 C# 编写代码，所以我不知道确切的语法，但您可以将整个域名列表替换为 @[^。+.?（com|net|org）.如果它只需要进行一次检查而不是与每个域名（以及各种大小写组合）进行比较，我希望它会更快。然后，如果您真的只想要域名的子集，则可以再次通过这个较小的数据集将其缩小到您想要的范围。