查找大文本部分

Question

有谁知道在c＃中找到给定的非常大的字符串以查找具有大于25个字母数字的连续字符的随机文本部分的方法？

我试过虽然每个字符循环，但它太慢了。

Answer 1

使用正则表达式：

MatchCollection matches = Regex.Matches(inputString, @"\w{25,}");
foreach(Match match in matches)
{
    Console.WriteLine(match.Value);
}

\\w表示“任何字母数字字符”，而{25,}表示“至少25次重复”

Answer 2

C＃优化了IndexOf方法，但是对于您来说还不够吗？

var haystack = "The collected works of shakespeare";
var needle = "work";
var index = haystack.IndexOf(needle);

Answer 3

正则表达式符合您的需求吗？ 类似于\\ w {25，}

Answer 4

您可以使用正则表达式。 例如，以下代码：

 string s = "a b c def ghij";
 Regex r = new Regex(@"\w{3,}", RegexOptions.Compiled);
 var result = r.Matches(s);
 foreach (Match m in result)
    Console.WriteLine(m.Value);

将在屏幕上写def和ghij 。 [\\w]是任何字母数字字符，包括数字。 （如果您使用拉丁字母并且不想包含数字，则可以用[A-Za-z]代替） {3,} part的意思是“前面的3个或更多”。

但这会找到所有匹配项，而不仅仅是随机部分。 对于大多数目的，它仍然应该足够快。 （肯定比逐个char迭代要快）。如果不是，则可以尝试r.Matches(s, index)查找在index之后发生的匹配，其中index是小于s.Length的随机整数。

如果您要查找所有匹配项，然后从其中随机选择一个样本，但发现正则表达式太慢，则可以尝试实施Boyer-Moore字符串搜索算法（基本思想是，如果非字母数字字符出现在第25位，那么就无需检查前24个字符，只需跳一下并检查第50个字符即可），但是无论如何，它可能不会超过内置的正则表达式。