正則表達式是盯着CPU

我有4個正則表達式，我得到了起來，他們工作很好，但在一些應用程序，他們釘住了CPU。我知道他們是最好看的正則表達式，但我不確定更好的方法。我能做些什麼來優化這些正則表達式嗎？正則表達式是盯着CPU

public static Regex schemaOrg = new Regex(@"\s*itemtype\s*=\s*('|"")\s*http://schema.org/\s*", RegexOptions.Singleline | RegexOptions.IgnoreCase | RegexOptions.Compiled); 
public static Regex dataVocabulary = new Regex(@"\s*itemtype\s*=\s*('|"")\s*http://data-vocabulary.org/\s*", RegexOptions.Singleline | RegexOptions.IgnoreCase | RegexOptions.Compiled);

基本上在尋找：

itemtype="http://schema.org/"

itemtype="http://data-vocabulary.org/"

但隨着空格的量，因爲這仍然將是HTML有效。

例如：

itemtype ="http://schema.org/"

itemtype= "http://schema.org/"

itemtype=" http://schema.org/ "

都將是有效的。

更新：仍然包裝了CPU壞。

\s+itemtype\s*=\s*(?:'|"")\s*http://schema\.org/

來源

2012-12-07 Adam

你是否錯過了結尾的'（'|「」）？ – dasblinkenlight

@dasblinkenlight：如果有的話，它應該是一個關閉'\ 1'。 –

@TimPietzcker當然它*應該*（並且在答案中*會*），但是在詢問OP是否忘記了尾部引號'（'|「」）'的評論比反向引用更容易理解。 – dasblinkenlight

我只能想到到目前爲止有幾件事。

拖尾\s*（在schema.org/\s*和vocabulary.org/\s*）不是必需的，將其刪除。我假設這是因爲你沒有檢查尾隨引號。
. (dot)在正則表達式中有特殊含義，像\.這樣在schema.org和data-vocabulary.org之間轉義。
第一個\s*沒有意義，因爲它也會與someitemtype匹配您的模式。請將其替換爲\s+或嘗試使用字邊界\b作爲模式的開始。
如果您對此偏執，您還可以通過將其替換爲(?:'|"")來阻止Regex捕獲組('|"")。

編輯：你也可以嘗試懶惰匹配，看看它是否有幫助。我可以想象一下，你的正則表達式會扼殺CPU。嘗試下面的示例正則表達式：

\s+?itemtype\s*?=\s*?(?:'|"")\s*?http://schema\.org/

如果這沒有幫助，請在此問題的上下文中發佈代碼和示例字符串。

來源

2012-12-07 16:51:50

+1：對於實際看到'.'，P – leppie

你說對了。 '.'（點），就像是令人費解的正則表達式的螞蟻，很容易錯過當URL正則表達式的一部分。 –

這仍然掛在CPU非常。我錯過了任何改變嗎？在OP。 – Adam

一個可能的改進是：

「到」「做regex.match

那麼你的正則表達式前不需要全部替換」所有這些\ S

來源

2012-12-07 16:46:04 urlreader

正則表達式是盯着CPU

回答

相關問題