从数组中的可能性列表中查找字符串中的所有匹配项

Question

我有一封电子邮件的正文（此时在代码中，它只是一个字符串），以及我需要查找的一组单词。我正在尝试从单词数组中获取电子邮件中的单词数组。例如：

$wordsArray = "foo|bar|regex|powershell"
$emailBody = "This is an email body written into a string, without breaks. foo regex."

我希望从中收到

@("foo", "regex")

大小写无关紧要，顺序无关紧要，等等。

现在我有这个功能：

function func($emailBody, $wordsArray) {
    $matched= @()
    $matched+= $emailBody| Select-String $wordsArray -AllMatches | ForEach-Object { $_.Matches.Value }

    return $matched | sort -Unique

}

但是，此功能以惊人的速度增长。我循环了多封电子邮件，第一次运行它是 0.05287 秒，第 30 次运行是 0.11733 秒，第 45 次运行是 1.72352 秒，第 50 次运行超过 5 秒。我必须运行 40,000 次（并且还在增长）。

有什么建议吗？

Answer 1

看看这是否不会加快进程：

$wordsFound = @{}
filter AddWord { $wordsFound[$_]++ }
$wordsArray = @("foo", "bar", "regex", "powershell")
$regex = ‘(?i)^(‘ + (($wordsArray |foreach {[regex]::escape($_)}) –join “|”) + ‘)$’

$emailBody = "This is an email, without breaks. foo regex."
$emailBody -split '\W' -match $regex | AddWord

$wordsFound.getenunumerator().Name | sort

这会从您的单词数组创建一个交替的正则表达式，然后在单词边界处拆分电子邮件正文，在电子邮件中创建一个单词数组，并将其与正则表达式匹配。由于您使用 -match 作为数组运算符，它将充当过滤器，在单个操作中传递与正则表达式匹配的所有单词。

编辑：添加了一个使用哈希表作为流内重复数据删除机制的示例。