浅谈提升C#正则表达式效率

 摘要：说到C#的Regex，谈到最多的应该就是RegexOptions.Compiled这个东西，传说中在匹配速度方面，RegexOptions.Compiled是可以提升匹配速度的，但在启动速度上，使用了RegexOptions.Compiled情况下，通常会使启动速度慢许多，据说最多是60倍。

　　说到C#的Regex，谈到最多的应该就是RegexOptions.Compiled这个东西，传说中在匹配速度方面，RegexOptions.Compiled是可以提升匹配速度的，但在启动速度上，使用了RegexOptions.Compiled情况下，通常会使启动速度慢许多，据说最多是60倍。

　　进行一组测试，有测试数据，才有讨论依据。

　　第一步，帖上测试硬件信息(呵呵，硬件有点烂:()

　　第二步，

　　a.测试在没有使用RegexOptions.Compiled项时候的情况，随意使用一些内容，然后循环一万次实例化正则表达式对象来匹配这些内容。

protectedvoid Page_Load(object sender, EventArgs e)
{
WebClient webClient =new WebClient();
string content = webClient.DownloadString("http://www.cnblogs.com/tmyh/archive/2010/09/29/sqlindex_01.html");

Stopwatch watcher =new Stopwatch();
watcher.Start();

int i =10000;
while (i >0)
{
Regex rgx =new Regex("<div>.+?</div>", RegexOptions.IgnoreCase | RegexOptions.Singleline);
bool b1 = rgx.IsMatch(content);

Regex rgx2 =new Regex("<p>.+?</p>", RegexOptions.IgnoreCase | RegexOptions.Singleline);
bool b2 = rgx2.IsMatch(content);

i--;
}
Response.Write(string.Concat("<div>", watcher.Elapsed.TotalSeconds.ToString("f7"), "</div>"));
}

　　执行发现，内存使用情况为39,760K。输出的执行时间为3.7954446秒(刷了几次，取最快的那次)

　　b.测试在使用了RegexOptions.Compiled项时候的情况，随意使用一些内容，然后循环一万次实例化正则表达式对象来匹配这些内容。

protectedvoid Page_Load(object sender, EventArgs e)
{
WebClient webClient =new WebClient();
string content = webClient.DownloadString("http://www.cnblogs.com/tmyh/archive/2010/09/29/sqlindex_01.html");


Stopwatch watcher =new Stopwatch();
watcher.Start();

int i =10000;
while (i >0)
{
Regex rgx =new Regex("<div>.+?</div>", RegexOptions.IgnoreCase | RegexOptions.Singleline | RegexOptions.Compiled);
bool b1 = rgx.IsMatch(content);

Regex rgx2 =new Regex("<p>.+?</p>", RegexOptions.IgnoreCase | RegexOptions.Singleline | RegexOptions.Compiled);
bool b2 = rgx2.IsMatch(content);

i--;
}
Response.Write(string.Concat("<div>", watcher.Elapsed.TotalSeconds.ToString("f7"), "</div>"));
}

　　执行发现，内存使用情况为42,956K。输出的执行时间为43.3090937秒(刷了几次，取最快的那次)

　　从a和b的测试中发现，不妥当地使用此选项，效率是极其低下的，尤其如果在WEB程序上，如果这个页面有大流量请求的话，那会有点不堪设想。我们在正常使用中，极大量文本处理的情况似乎比较少出现，基本上不能体现出RegexOptions.Compiled的所在匹配速度优势，所以通常建议不使用此项。(当然，在正常情况下，我们也不会在每个循环中都new一个正则表达式对象，我们可能会选择static一个)

　　第三步，使用传说中的Regex.CompileToAssembly来编译正则表达式，再进行测试。这个，得自己写个编译小程序，帖上本人自己写的一个。点击下载

　　与第二步相同的正则表达式Pattern，用这个工具生成dll后，引用到项目。测试执行，发现执行的内存使用情况与第二步的a差不多，速度也相差不多。当然，在这里，这种测试方案，可能看不出这种预编译的正则表达式的效率优点，事实上，它应该能够有更高的执行效率与匹配速度，最好使用多线程与多请求来进行测试。

　　在此将其封装到DLL中，这将使最终的程序占用的内存更少，而不必装载使用RegexOptions.Compiled编译正则表达式的包，装载的速度也就得到了提升，同时也拥有了RegexOptions.Compiled的匹配速度优势。另外，也提高了需要一直复用的正则表达式的复用率。缺点，就是比较麻烦，而且只有固定的正则表达式能够这样使用。(关于如何使用Regex.CompileToAssembly，似乎也没多少能够解说的，就三两行代码，下载便知)

　　似乎并无深入谈到原理，不过，也并不重要，我们只要经过测试，知道怎么使用能够更好就行了。在此，个人的建议是，通常都不要使用RegexOptions.Compiled，即使要在代码中使用，也应该使用static变量。

　　如果真有那么大文本要用的时候，我相信，这个正则表达式也不可能是动态的，固定的正则，我们就使用Regex.CompileToAssembly来先编译成DLL再引用到项目中，即能提供效率，也提高了复用率。