編譯一個非常大的正則表達式

Question

我有一個很奇怪的問題。我有一個非常大的正則表達式在某些文本中搜索某些單詞（RegEx看起來像這樣：(?i)\b(a|b|c|d...)\b;等等，其中a，b，c，d代表單詞）。無論如何，我把它放在一個預編譯的程序集中以加快速度，然而問題在於，預編譯的正則表達式與同樣的正則表達式的非編譯版本不同。o_0

例如如果正則表達式是：(?i)\b(he|desk)\b並且我通過它傳遞「helpdesk」，預編譯版本會返回「lp」，這樣他和桌面上的文字就會被分離出來，就好像邊界條件完全不起作用，但是如果我的確使用完全相同正則表達式一個非預編譯版本，它的工作原理很好... 有誰知道我是否可能缺少任何東西？

感謝

（對不起使用VB.Net和C＃）

Answer 1

你給了兩種不同的語言在那裏。所以也許有一些互動。

無論如何，我認爲一些簡短但完整的測試程序可能是爲了 - 在一些獨立的測試代碼中嘗試並重現問題，以便更容易推理。

也許沒有正則表達式的搜索會更有效率嗎？

Answer 2

我寫了兩個測試應用程序，一個在C＃中，一個在VB.Net中都顯示相同的行爲。看來，我正在使用的正則表達式的預編譯版本忽略了某些單詞的邊界條件。我曾嘗試不使用正則表達式，但我在表達式中有3000多個單詞的列表，並且經過一些測試後，它似乎是最好的解決方案，唯一的是我不希望它在我的主代碼中，並且希望它在編譯的程序集預...

感謝

Answer 3

既然你正在尋找完整的單詞，如何尋找\w+，並檢查是否這個詞是一個收藏。基於散列的集合或哈希映射在這裏可以很好地工作。如果需要出現，這種方法可以更容易地更新清單。