工作缓慢的原因和解决方案[重复]答案

【问题标题】：Reasons of working slowly and solution of that [duplicate]工作缓慢的原因和解决方案[重复]
【发布时间】：2014-01-27 09:04:50
【问题描述】：

这是我使用正则表达式的功能。它工作正常，但它的标签非常缓慢。我认为它是逐字符搜索html代码。所以它工作得很慢。有没有工作慢的解决办法。

string s = Sourcecode(richTextBox6.Text);
        // <a ... > </a> tagları arasını alıyor.(taglar dahil)
        Regex regex = new Regex("(?i)<a([^>]+)>(.+?)</a>");
        string gelen = s;
        string inside = null;
        Match match = regex.Match(gelen);
        if (match.Success)
        {
            inside= match.Value;
            richTextBox2.Text = inside;
        }
        string outputStr = "";
        foreach (Match ItemMatch in regex.Matches(gelen))
        {
            Console.WriteLine(ItemMatch);
            inside = ItemMatch.Value;
            //boşluk bırakıp al satır yazıyor 
            outputStr += inside + "\r\n";
        }
        richTextBox2.Text = outputStr;

【问题讨论】：

不要使用正则表达式。使用适当的 HTML 解析库，如 Html Agility Pack。您会看到速度提高了十倍。
有什么不同的想法为什么它的标签速度很慢？
如果有很多要追加的内容，这可能会减慢速度。 outputStr += inside + "\r\n";
我喜欢这些问题.... 参考..stackoverflow.com/questions/1732348/… 进行 HTML 正则表达式解析
啊啊啊！又一个“用正则表达式解析 HTML”问题！没人再找了吗？ “正则表达式 html 解析”在此处的热门搜索发现 Using regular expressions to parse HTML: why not? 作为最佳结果。

标签： c# regex

【解决方案1】：

将 outputStr 更改为 StringBuilder，如果您要附加很多项目，这将提高您的速度。如前所述，使用正则表达式解析 HTML 可能是个问题（很大程度上取决于您的输入）。

【讨论】：

【解决方案2】：

解析 HTML 的问题在于它不是一门精确的科学。如果您要解析的是 XHTML，那么事情会容易得多。
因为 HTML 不一定是格式良好的 XML，所以在解析它时会遇到很多问题。
几乎需要逐个站点进行。

您不应该使用 Regex 解析 HTML。（尽管您可以在上面的代码中使用编译的 Regex，以使其更快一点。）
正则表达式不是为解析 HTML 而构建的。您可以使用专门为此目的构建的第三方库来解析 HTML。
List of HTML Parsing Libraries
如果您不想使用第 3 方库，则可以使用 System.Windows.Forms.WebBrowser 来实现此目的。
您也可以使用Fizzler，它使用 HTML 敏捷包，但扩展了对 jQuery 的支持然后是Majestic-12 HTML Parse，很快。
您还可以使用 TidyNet.Tidy 将 HTML 转换为 XHTML，然后使用 XML 解析器。

查看以下example，了解不正确使用 Regex 会如何降低性能。

【讨论】：