求教：正则表达式的效率问题

[Cipherf]

//去除<style></style>之间的内容
Regex re = new Regex(@"<style[\s\S]*?</style\s*?>", RegexOptions.IgnoreCase | RegexOptions.Compiled);
text = re.Replace(text.ToString(), "");
//去除<!-- -->之间的内容
re = new Regex(@"<!--[\s\S]*?-->", RegexOptions.IgnoreCase | RegexOptions.Compiled);
text = re.Replace(text.ToString(), "");
//去除<script></script>之间的内容
re = new Regex(@"<script[\s\S]*?</script\s*?>", RegexOptions.IgnoreCase | RegexOptions.Compiled);
text = re.Replace(text.ToString(), "");

问题主要是3个
1.因为不知道怎么对re重新赋值，就用= new Regex的方法，这样好吗？之前的那个regex的资源会自动回收的是么？

2.为了提高效率，<style[\s\S]*?</style\s*?>中间的懒惰限定*?去掉后会不会有漏洞
改成<style[\s\S]*</style\s*>还是怎么改？其他的两个式子也请帮忙看看

3.效率的问题，样本是个17k左右的网页文件，上面的耗时0.0136576
但是把RegexOptions.Compiled去掉后，耗时0.0002411
不是说Compiled可以提升运行速度的么，怎么反而是去掉后快啊？Compiled有什么意义？要怎么再提升效率？

谢谢大家了

[-过客-]

效率方法研究的比较少，这样试下吧

yourStr = Regex.Replace(yourStr, @"<(style|script)[^>]*>[\s\S]*?</\1>", "", RegexOptions.IgnoreCase);
yourStr = Regex.Replace(yourStr, @"<!--[^>]*-->", "");

比如说<style[\s\S]*?</style\s*?>，如果去掉“?”要保证你的源字符串中只有一对<style>标签，否则第一个<style>和最后一个</style>标签之间的内容都会被替换掉

Compiled 指定正则表达式将被编译为程序集。生成该正则表达式的 Microsoft 中间语言 (MSIL) 代码；以较长的启动时间为代价，得到更快的执行速度。

当然，Compiled对效率的影响并不只是表现在这上面，参考MSDN，这里有对Compiled参数使用更加详细的说明
ms-help://MS.MSDNQTR.v80.chs/MS.MSDN.v80/MS.VisualStudio.v80.chs/dv_fxfund/html/182ec76d-5a01-4d73-996c-0b0d14fcea18.htm

[hxshanji]

又见正则之神，mark

[greenery]

up

[runrunrun]

compile 应该是在多次运行时才会增加效率吧
比如用下面这句话测试一下：
for( int i=0; i<100; i++ ) text = re.Replace(text.ToString(), "");

[Cipherf]

感谢lxcnn的指点，把style和script组合在一起真是巧妙。子表达式反向引用虽然看过了，但是没想到自己也能用...经验不足
Regex的静态方法也很好用，方便。

关于compiled，上面那段MSDN里面也说到编译的资源问题。按楼上的方法测试了一下，略有一点改动，把replace改成了match，因为发现第一次替换后，以后的99次自然找不到匹配了，可能会影响正确性。结果是
compiled：
00:00:00.0109246
0.0109661
0.0113060
非编译
0.0032480
0.0027570
0.0027517

编译还是完败。

顺便的测试是，
1.Regex静态方法从速度上来说，比创建一个实例快那么一点点，但几乎可忽略不计
2.组合的反向引用居然略慢于分开的3个式子，汗，因此我就keep it simple, stupid了
3.最后测试是拿手里现有的最大html试了一下，同样是100次，样本为白饭如霜的疯狂植物园带回帖版1329k，结果是：
编译：
0.0160975
0.0144234
0.0146817
解释：
0.0094024
0.0088975
0.0090097
我不管了，就算编译有什么潜在的好处，也不用了。好在即使在比我慢10倍的古董机器上，执行时间也不过是几个毫秒的级别差别。

[-过客-]

楼上测得真细，我正则都是在给别人解决问题的过程中学习的，自己应用基本上还没遇到过，更不要说涉及到效率的问题了，所以也就没有花费多少时间和精力去研究

其实感觉正则涉及到效率的地方不是很多，一般以下几种情况综合在一起时才需要考虑
1、源数源比较大
2、运用了较复杂的正则表达式
3、大量运用正则表达式
4、多次运用同一正则表达式

一般在使用较复杂的正则表达式时，正则书写对效率影响比较大，我以前遇到过一次，就是在一个表达式中，非贪婪模式用得太多，导致效率过低，处理一个文本要3秒多钟，后来去掉了一些无用的非贪婪模式，提高到0.2秒以内，又换了种方式，用委托来做，提高到0.01秒内

有关正则效率问题，可以看下这篇文章
http://www.regexlab.com/zh/regtopic.htm

[yuanzhihua520]

up