c# - 提高正则表达式效率

Question

我有大约 10 万封 Outlook 邮件项目，每个正文大约有 500-600 个字符。我有一个包含 580 个关键字的列表，必须搜索每个正文，然后将这些词附加在底部。

我相信我已经提高了大部分功能的效率，但仍然需要很多时间。即使是 100 封电子邮件，也需要大约 4 秒。

我为每个关键字列表运行两个函数(每个列表 290 个关键字)。

       public List<string> Keyword_Search(HtmlNode nSearch)
    {
        var wordFound = new List<string>();
        foreach (string currWord in _keywordList)
        {
            bool isMatch = Regex.IsMatch(nSearch.InnerHtml, "\\b" + @currWord + "\\b",
                                                  RegexOptions.IgnoreCase);
            if (isMatch)
            {
                wordFound.Add(currWord);
            }
        }
        return wordFound;
    }

有什么方法可以提高这个函数的效率吗？

另一件可能会减慢速度的事情是我使用 HTML Agility Pack 在一些节点中导航并拉出正文 (nSearch.InnerHtml)。 _keywordList 是列表项，而不是数组。

Answer 1

我假设 COM 调用 nSearch.InnerHtml 非常慢，并且您对要检查的每个单词都重复调用。您可以简单地缓存调用的结果:

public List<string> Keyword_Search(HtmlNode nSearch)
{
    var wordFound = new List<string>();

    // cache inner HTML
    string innerHtml = nSearch.InnerHtml;

    foreach (string currWord in _keywordList)
    {
        bool isMatch = Regex.IsMatch(innerHtml, "\\b" + @currWord + "\\b",
                                              RegexOptions.IgnoreCase);
        if (isMatch)
        {
            wordFound.Add(currWord);
        }
    }
    return wordFound;
}

Jeff Yates 建议的另一种优化。例如。通过使用单一模式:

string pattern = @"(\b(?:" + string.Join("|", _keywordList) + @")\b)";