0

背景

我有一个场景，我必须一遍又一遍地在文本中找到某些单词。我目前以这样的格式使用了一系列正则表达式......

"((^)|(\W))(?<c>Word1)((\W)|($))"

"((^)|(\W))(?<c>NextWord)((\W)|($))"

"((^)|(\W))(?<c>AnotherWord)((\W)|($))"

...

这个 Regex 对象列表是用一大块数据循环的，并且匹配项被拉出（一个循环用于一个 regex.matches(data) 调用）

我已经尽我所能来优化它们，例如事先编译它们。

然而，这个列表越来越长，我决定开始制作更大的编译正则表达式来优化这个过程。如...

"((^)|(\W))(?<c>((Word1)|(NextWord)|(AnotherWord)))((\W)|($))"

这提供了巨大的速度改进，但是有一个副作用，我无法弄清楚如何纠正。

当单词并排在数据中时（例如空格分隔。例如“Word1 NextWord AnotherWord”），捕获中会丢失第二个单词，因为“Word1”的正则表达式还包括尾随空格。“NextWord”可能出现的匹配不再具有前导空格，因为它是前一个匹配的一部分。

问题

任何人都可以更改此正则表达式（.net 格式）

Pattern = "((^)|(\W))(?<c>((Word1)|(NextWord)|(AnotherWord)))((\W)|($))"

只需一次调用“.matches(data)”，即可捕获下面此列表中的所有单词

data = "Word1 NextWord AnotherWord"

? （不牺牲效率增益）

结果

只是想我会提到这一点。在应用建议的答案/更正并向前看后，我现在知道如何使用:)，我刚刚修改的代码的速度提高了 347 倍（旧测试速度的 0.00347%）。当您遇到多个表达式时，这绝对是要记住的事情。很高兴。

4

2 回答 2

1

使用\b符号。这匹配单词/非单词边界。

\b(?((Word1)|(NextWord)|(AnotherWord)))\b
于 2012-10-17T01:41:44.823 回答
1

您可能想要使用边界检查或前瞻/后瞻，以便匹配不会消耗空格而是检查它。

像这样：

Pattern = @"\b(Word1|NextWord|AnotherWord)\b"

或向后看和向前看：

Pattern = @"(?<=\W|^)(Word1|NextWord|AnotherWord)(?=\W|$)"
于 2012-10-17T01:43:00.670 回答