C＃HTMLAgilityPack VS正则表达式，用于从HTML提取链接

Question

我正在编写一个C＃Web HTMLAgilityPack's LoadHTML器，运行分析时，我可以看到HTMLAgilityPack's LoadHTML方法使用了程序总体CPU使用率的10％。 我想尝试降低这个。

我确定正则表达式会更快，但是当我看SO上的链接提取示例时，我看到每个人都说应避免使用此方法，而应使用HTMLAgilityPack之类的html解析器。

我需要做的就是从HTML提取链接是否正在使用HTMLAgilityPack杀死？

支持HTML解析器的原因是否适用于我的情况，因为我仅将其用于提取链接？

---

然后使用WebClient下载HTML。

使用href\\\\s*=\\\\s*(?:[\\"'](?<1>[^\\"']*)[\\"']|(?<1>\\\\S+)) （然后修剪并添加到列表）比HTMLAgilityPack快得多。

43毫秒，而始终为3毫秒。

---

在pastebin上查看我的代码

Answer 1

支持HTML解析器的原因是否适用于我的情况，因为我仅将其用于提取链接？

如您的测试所示，在您的情况下，HTML解析器过大了。

依此类推的人将其作为对所有正则表达式问题的死记硬背的答案。 如果人们确实需要以一种更强大的方式解析HTML的域，则应该使用该工具。

---

对正则表达式的偏见是由觉得自己太慢或太麻烦[无法学习]的人发现的。 他们为某些操作提出的建议有一些优点，因为用于查找实用程序的特定优化文本的性能更好。 当然，我同意，但是不要直接使用正则表达式，这与StackOverflow上的课程是一样的。

这是为什么 ？ 有时分析仅仅是有缺陷的，因为提供的模式会引入很多不必要的回溯并且没有进行优化。 这妨碍了正则表达式的发展。 确实必须学习正则表达式语言，并了解它正在做些什么以调整正则表达式的引擎以使其不会污染。

比如我拿了你一样的C＃代码测试，但我用你的优化模式和我自己的，是能够得到它下降到1毫秒一致！

大多数人通过使用*进行搜索来学习基本模式匹配。 当他们第一次学习正则表达式时，会将*与一起使用. 例如.* 。 这一步骤以及对*不加选择的使用将很可能使任何非开始的模式注定会陷入回溯和响应缓慢的境地。

除非您凭经验知道没有项目，否则请改用+ 。

---

早在2009年，我就在自己的博客上撰写了有关此主题的文章。C＃.Net正则表达式对您来说足够快了吗？