爲什麼這個正則表達式更快？

Question

我正在編寫一個C＃類型的Telnet客戶端，我必須解析的部分是ANSI/VT100轉義序列，特別是那些用於顏色和格式的（詳細的here）。

一種方法我已經是一個找到所有的代碼，並刪除它們，因此，如果需要，我可以呈現無任何格式的文本：

 
public static string StripStringFormating(string formattedString) 
{ 
    if (rTest.IsMatch(formattedString)) 
     return rTest.Replace(formattedString, string.Empty); 
    else 
     return formattedString; 
} 

我是新來的正則表達式，我建議還是使用這個：

static Regex rText = new Regex(@"\e\[[\d;]+m", RegexOptions.Compiled);

但是，如果轉義碼由於服務器上的錯誤而不完整，則失敗。所以後來這個建議，但我的朋友警告說，它可能會比較慢（這其中也符合其他條件（Z），我以後可能遇到）：

static Regex rTest = 
       new Regex(@"(\e(\[([\d;]*[mz]?))?)?", RegexOptions.Compiled);

這不僅工作，但實際上更快並減少了對文字渲染的影響。有人可以向正則表達式新手解釋，爲什麼？ :)

Answer 1

沒有做詳細的分析，我猜這是因爲問號更快。這些允許正則表達式是「懶惰的」，並在它們有足夠的匹配時立即停止，而不是檢查其餘的輸入是否匹配。

雖然我不完全滿意這個答案，因爲這主要適用於*或+之後的問號。如果我對輸入更加熟悉，那對我來說可能更有意義。

（同樣，對於代碼的格式，你可以選擇所有的代碼，然後按按Ctrl + ķ把它添加所需的四個空格。）

Answer 2

之所以＃1是比較慢的那[\ d;] +是一個貪婪的量詞。使用+？要麼 *？會做懶惰的量化。有關更多信息，請參見MSDN - Quantifiers。

您可能也想嘗試：

"(\e\[(\d{1,2};)*?[mz]?)?" 

這可能會快一些適合你。

Answer 3

你真的想運行正則表達式兩次嗎？無需檢查（壞我）我還以爲，這將很好地工作：

public static string StripStringFormating(string formattedString) 
{  
    return rTest.Replace(formattedString, string.Empty); 
} 

如果是這樣，你應該看到它跑〜快兩倍......

Answer 4

我不知道，如果這將有助於你的工作，但很久以前我寫了一個正則表達式來解析ANSI圖形文件。

(?s)(?:\e\[(?:(\d+);?)*([A-Za-z])(.*?))(?=\e\[|\z) 

它會返回每個代碼和與之相關的文本。

輸入字符串：

<ESC>[1;32mThis is bright green.<ESC>[0m This is the default color. 

結果：

[ [1, 32], m, This is bright green.] 
[0, m, This is the default color.]