4

我正在编写一个应用程序,该应用程序旨在处理具有大量自旋税的数千篇文章/条目,格式如下:

{Hello|Hi} {World|There!}, how are you?

但是,当我使用分析器运行应用程序时,我注意到处理 Regex 的部分占用了大量资源,并且由于内存不足问题,我的应用程序最终崩溃。任何人都可以提出一种改进我的代码的方法或更好的方法来解析 spintax 吗?

public static String Spin(String text)
{
        Regex reg = new Regex(@"\{[^\{\}]*\}");
        Random rand = new Random((int)DateTime.Now.Ticks);
        while (true)
        {
            Match m = reg.Match(text);
            if (!m.Success) break;
            String[] parts = m.Value.TrimStart('{').TrimEnd('}').Split('|');
            int i = rand.Next(parts.Length);
            text = text.Substring(0, m.Index) + parts[i] + text.Substring(m.Index + m.Length);
        }
        return text;
  }
4

3 回答 3

7

我已经实现了我的快速版本(no Regex、no Split、no Substring、noReplace和其他字符串操作方法)。要复制字符串,我正在使用String.CopyTo它将符号复制到普通char数组。

此代码完全支持嵌套 Spintaxes(可能无限深度)。一个限制是每个 Spintax 的最大选项数,目前是 100,但可以更改为 1000 或更多...另一个限制是输入字符串的最大长度,现在是 100000,但也可以增加。

关于性能 - 我的测试表明,此代码比任何优化的 Regex 解决方案(包括 Jim Mischel 的解决方案)快 15 倍以上,比使用 Substring 和其他字符串操作方法的版本快约 5 倍。我已经在 VS 2012 中使用优化代码设置在发布模式下对此进行了测试。

    static int[] partIndices = new int[100];
    static int[] depth = new int[100];
    static char[] symbolsOfTextProcessed = new char[100000];

    public static String SpinEvenMoreFaster(String text)
    {
        int cur = SpinEvenMoreFasterInner(text, 0, text.Length, 0);
        return new String(symbolsOfTextProcessed, 0, cur);
    }

    public static int SpinEvenMoreFasterInner(String text, int start, int end, int symbolIndex)
    {
        int last = start;
        for (int i = start; i < end; i++)
        {
            if (text[i] == '{')
            {
                int k = 1;
                int j = i + 1;
                int index = 0;
                partIndices[0] = i;
                depth[0] = 1;
                for (; j < end && k > 0; j++)
                {
                    if (text[j] == '{')
                        k++;
                    else if (text[j] == '}')
                        k--;
                    else if (text[j] == '|')
                    {
                        if (k == 1)
                        {
                            partIndices[++index] = j;
                            depth[index] = 1;
                        }
                        else
                            depth[index] = k;
                    }
                }
                if (k == 0)
                {
                    partIndices[++index] = j - 1;
                    int part = rand.Next(index);
                    text.CopyTo(last, symbolsOfTextProcessed, symbolIndex, i - last);
                    symbolIndex += i - last;
                    if (depth[part] == 1)
                    {
                        text.CopyTo(partIndices[part] + 1, symbolsOfTextProcessed, symbolIndex, partIndices[part + 1] - partIndices[part] - 1);
                        symbolIndex += partIndices[part + 1] - partIndices[part] - 1;
                    }
                    else
                    {
                        symbolIndex = SpinEvenMoreFasterInner(text, partIndices[part] + 1, partIndices[part + 1], symbolIndex);
                    }
                    i = j - 1;
                    last = j;
                }
            }
        }
        text.CopyTo(last, symbolsOfTextProcessed, symbolIndex, end - last);
        return symbolIndex + end - last;
    }
于 2012-12-26T23:31:15.253 回答
4

这是一个非正则表达式的替代方案。

2012-12-27 更新(见新的 ideone 演示

  1. 优化 OP 的代码以使用静态成员而不是在循环中声明变量,使用RegexOptions.Compiled和使用Substring而不是TrimLeftTrimRight。这些优化将 OP 代码的执行时间缩短了近 33%。
  2. 更新SpinNoRE以处理任意嵌套的 spintax、优化的代码和添加的注释。
  3. 为清楚起见,分别重命名为Spinand 和SpinFasterto 。SpinRESpinNoRE
  4. 使用嵌套示例更新了测试用例。OP 的代码在处理嵌套的 spintaxes 时要慢得多(可以理解,因为每一级嵌套都会强制进行额外的正则表达式匹配)。

新的ideone演示可用;下面的代码(演示中提供的注释;见链接):

public static String SpinNoRE(String text)
{
    int i, j, e = -1;
    char[] curls = new char[] {'{', '}'};
    text += '~';

    do
    {
        i =  e;
        e = -1;
        while ((i = text.IndexOf('{', i+1)) != -1)
        {
            j = i;
            while ((j = text.IndexOfAny(curls, j+1)) != -1 && text[j] != '}')
            {
                if (e == -1) e = i;
                i = j;
            }
            if (j != -1)
            {
                parts = text.Substring(i+1, (j-1)-(i+1-1)).Split('|');
                text = text.Remove(i, j-(i-1)).Insert(i, parts[rand.Next(parts.Length)]);
            }
        }
    }
    while (e-- != -1);

    return text.Remove(text.Length-1);
}

结果:

Input Text:       Oh! {{I'm|You're} here!|How are you{ doing{|, {buddy|pal|guy}}|}?}
Testing SpinRE:   Oh! You're here!
Testing SpinRE:   Oh! How are you doing?
Testing SpinRE:   Oh! How are you?
Testing SpinRE:   Oh! How are you doing, buddy?
Testing SpinRE:   Oh! I'm here!
Testing SpinRE:   Oh! How are you doing, guy?
Testing SpinRE:   Oh! How are you doing?
Testing SpinRE:   Oh! I'm here!
Testing SpinRE:   Oh! I'm here!
Testing SpinRE:   Oh! How are you doing?
Testing SpinNoRE: Oh! How are you doing, buddy?
Testing SpinNoRE: Oh! You're here!
Testing SpinNoRE: Oh! How are you?
Testing SpinNoRE: Oh! How are you?
Testing SpinNoRE: Oh! You're here!
Testing SpinNoRE: Oh! I'm here!
Testing SpinNoRE: Oh! How are you doing?
Testing SpinNoRE: Oh! How are you?
Testing SpinNoRE: Oh! How are you doing, buddy?
Testing SpinNoRE: Oh! I'm here!

Time elapsed over 100,000 runs of each in alternation:

SpinRE:           03.686s
SpinNoRE:         00.921s

(接触C#已经6年多了,如有错误请见谅。)

于 2012-12-26T15:15:14.327 回答
1

我建议对您的代码进行一些更改。首先,将正则表达式定义移出方法并使用该RegexOptions.Compiled选项来减少每次调用的设置时间。此外,将随机数生成器的创建从大量使用的方法中移出。

此外,您可以通过告诉正则表达式从哪里开始匹配来消除许多不必要的字符串搜索。如果您最终对循环进行多次迭代,这一点很重要。这个想法是,如果您已经完成了替换直到字符串中的位置 M,则没有理由检查匹配项,因为不会有任何匹配项。

您可以通过将表达式替换为以下内容来消除对TrimStart和的调用:TrimEnd

String[] parts = m.Value.Substring(1, m.Value.Length-2).Split('|');

您已经知道字符串以 开头{和结尾},并且中间没有这两个字符中的任何一个,因此您所要做的就是剪掉第一个和最后一个字符。没有理由承担由TrimStartand创建的临时字符串的成本TrimEnd

另一种可能性是将捕获组添加到正则表达式(在要捕获的部分周围放置括号),并对捕获的文本而不是整个匹配的表达式进行操作。

将所有这些建议放在一起会导致:

static Regex reg = new Regex(@"\{([^\{\}]*)\}", RegexOptions.Compiled);
static Random rand = new Random();
public static String Spin(String text)
{
    int matchPos = 0;
    while (true)
    {
        Match m = reg.Match(text, matchPos);
        if (!m.Success) break;
        String[] parts = m.Groups[1].Value.Split('|');
        int i = rand.Next(parts.Length);
        text = text.Substring(0, m.Index) + parts[i] + text.Substring(m.Index + m.Length);
        matchPos = m.Index;
    }
    return text;
}

也就是说,这不支持嵌套,并且制作支持嵌套的正则表达式解决方案可能有些困难。它在速度方面也不是最佳的,因为它花费了大量时间来构建和重建text字符串。稍加考虑,您可以对其进行更多优化,但它永远不会像SergyS 提供的优化自定义解析器解决方案那样快。

如果速度是最重要的,那么您将需要一个自定义解析器。正则表达式版本不会那么快,但如果它足够快,它的好处是比自定义解析器更小,更容易理解和修改。

于 2012-12-26T19:51:41.960 回答