c# .net4 - 正则表达式 vs html 敏捷包答案

【问题标题】：c# .net4 - regex vs html agility packc# .net4 - 正则表达式 vs html 敏捷包
【发布时间】：2012-06-05 08:17:35
【问题描述】：

什么更快？我刚刚制作了一个使用 HTML Agility 包的网络爬虫，它消耗了大量内存。

使用内存分析器对其进行分析，我发现 HTMLDocument、HTMLNode 等实例占用了最多的内存。

我觉得使用正则表达式可能会更快更高效，我错了吗？

【问题讨论】：

【解决方案1】：

根据您的具体操作，确实可以使用正则表达式加快速度并释放一些内存。问题是 - 您从中提取数据的页面有多严格和格式良好。正则表达式更容易被您可能在野外遇到的完全有效但出乎意料的 HTML 构造所混淆。

【讨论】：

【解决方案2】：

reg-ex 会比 html agilty pack 快很多。

但您应该记住，html 不一定总是格式正确的。仅使用 reg-ex 搜索您想要的正确数据可能会失败。浏览器对错误非常宽容。

敏捷包是一个很棒的工具。它为消耗的内存提供了很多功能。

【讨论】：