单词第一次出现的最快正则表达式答案

【问题标题】：Fastest regex for first occurence of a word单词第一次出现的最快正则表达式
【发布时间】：2018-10-24 10:53:48
【问题描述】：

我希望我的正则表达式将以下类型的字符串捕获为两个带有 "%3f" 的 URL。

https://*****%3f****%3D,https://*****%3f****%3D …

应自行捕获此类型的每个字符串 URL。注意 - * 在这里是为了简化，并且 URLS 可以位于大字符串的任何部分，介于两者之间。

我现在的正则表达式是：

(https://\S+?%3f)(?<toDelete>\S+?%3D)

但我被要求查看是否有非惰性方法（或只是更快的版本），因为它比贪婪慢得多，并且这个正则表达式将在巨大的字符串和数据流上调用。请注意，我不能简单地输入\S* 的原因是这样做会在一个匹配中捕获从第一个http 到最后一个%3D。

【问题讨论】：

为什么不用逗号分割然后得到%3f之前的子串呢？如果要使用正则表达式，为什么要捕获%3f 之后的内容？只需使用https://\S*?%3f。或者 - 如果你想要一个超高效的正则表达式 - https://[^%\s]*(?:%(?!3f)[^%\s]*)*%3f
只是为了确定你能显示你想要的输出吗？不要假设正则表达式是最快的方法，我很确定@WiktorStribiżew 暗示 String.Split 可能会在这里胜过正则表达式。
它并不总是用逗号分隔，它可以在我的字符串的任何部分。正如我的正则表达式建议的那样，我想删除 %3f 之后的部分，所以我需要捕获它。

标签： c# regex

【解决方案1】：

你可能会用逗号分割字符串，然后得到一个子字符串，直到 %3f 值。

如果您想让\S*? 模式“更快”工作，您必须考虑模式的这一部分应该注意什么样的上下文。

您正在匹配任何不是空白字符的字符，任意次数，直到第一次出现%3f。也就是说，您希望匹配除% 和空格或 % 之外的任何字符，这些字符后面没有3f。这使得(?:[^\s%]|%(?!3f))*。然而，交替破坏了优化的整个想法。您需要使用“unroll-the-loop”方法：[^%\s]*(?:%(?!3f)[^%\s]*)*。

所以，整个模式看起来像

https://[^%\s]*(?:%(?!3f)[^%\s]*)*%3f

或者使用Delete 部分：

(https://[^%\s]*(?:%(?!3f)[^%\s]*)*%3f)(?<toDelete>[^%\s]*(?:%(?!3D)[^%\s]*)*%3D)

对于短字符串，最后一个模式可能比基于 \S+? 的模式慢一点，但当匹配的字符串变长时，它会变得更加高效。

【讨论】：

谢谢 - 这正是我想要的 :)
@OhadBitton 很高兴它对你有用。如果我的回答对您有帮助，也请考虑投票