解析有什麼更好的：正則表達式或linq？

我解析網頁到Windows Phone 7，我需要知道什麼是更好的方法來做到這一點。最重要的是表現。我在example with imdb that the author uses regex中看到過，但我不確定如果使用Html Agility Pack和Linq，它會不會更好。解析有什麼更好的：正則表達式或linq？

P.s .:我必須解析網站，它不是我的網站。

來源

2011-10-10 Libor Zapletal

[RegEx match open tags not except XHTML self-contained tags]可能重複（http://stackoverflow.com/questions/1732348/regex-match-open-tags-except-xhtml-self-contained-tags） –

使用Html Agility Pack和Linq，您將得到最好的服務。

Parsing HTML with RegEx is quite unreliable.

來源

2011-10-10 19:48:58

一次偶然的機會，我在一個類似的問題展開工作。我沒有告訴你任何權威性的聲明，因爲它爲時尚早。首先我用了3個引擎：

AgilityPack
Majestic
Regex

當然，也有很多更多的選擇（即使我寫了一次簡單的HTML瀏覽器爲Palm OS ），但這似乎是一個好的開始。

Majestic沒有提供Html->文本轉換，只是一個示例代碼如何遍歷html字符串。首先我實現了瑣碎的轉換：

寫的所有文本節點
轉換<p>成「\ n \ n」和<BR>爲「/ N」
無視一切

然後我收集了50個HTML文件的樣本，並使用所有3種方法轉換它們。我不得不說，我對任何一種方法都不滿意。兩個一般觀察：從莊嚴和敏捷

結果極其相似
Regex的方法是幅度慢一個數量級。

所以我查看了正則表達式代碼，並在底部發現了一個無意義的循環。簡單優化後，Regex方法只有〜25％的速度慢。鑑於它使30多個複雜的正則表達式替代品，我認爲這是一個很好的結果。

然後我寫了一個測試html文件，其中包含所有常見的html標籤和更多。與之前一樣，Majestic和Agility也表現相似。

所有發動機OK：H1，P，寫成文本標記
所有引擎失敗：H2 +，小時，B
BR：正則表達式失敗，大氣磅礴OK
列表：正則表達式行，雄偉壯觀的失敗
簡單的2x2的表：正則表達式確定，大氣磅礴失敗

還有很多更多的測試。例如編碼。

在這一刻，我只會說，正則表達式似乎是一個更好的選擇。但是，所提及的這些發動機都沒有令人滿意的性能。在積極的方面，調整這些引擎（特別是Majestic和Regex）很容易。也許Agility也是如此，但是，我沒有深入探討這個包。

來源

2011-10-11 11:46:53

跟進：我決定正則表達式。主要的觀點是它只是一小段代碼，很容易添加到另一個項目中。只是在上面的參考文獻中對原始代碼提出警告。這是緩慢的錯誤，即你需要改進正則表達式使用。 –

解析有什麼更好的：正則表達式或linq？

回答

相關問題