加速解析算法

Question

我正在尝试解析一些 ddump 文件，你能帮我加快算法速度吗？
每个循环需要 216 毫秒！这实在是太多了。我希望每个循环的时间约为 40-50 毫秒。也许通过使用正则表达式？

这是我的算法：

 while (pos < EntireFile.Length && (/*curr = */EntireFile.Substring(pos, EntireFile.Length - pos)).Contains(" class"))
            {
                w.Reset();
                w.Start();
                pos = EntireFile.ToLower().IndexOf(" class", pos) + 6;
                int end11 = EntireFile.ToLower().IndexOf("extends", pos);
                if (end11 == -1)
                    end11 = EntireFile.IndexOf("\r\n", pos);
                else
                {
                    int end22 = EntireFile.IndexOf("\r\n", pos);
                    if (end22 < end11)
                        end11 = end22;
                }
                //string opcods = EntireFile.Substring(pos, EntireFile.Length - pos);
                string Cname = EntireFile.Substring(pos, end11 - pos).Trim();
                pos += (end11 - pos) + 7;
                pos = EntireFile.IndexOf("{", pos) +1;


            int count = 1;
            string searching = EntireFile.Substring(pos, EntireFile.Length - pos);
            int searched = 0;
            while (count != 0)
            {
                if (searching[searched] == '{')
                    count++;
                else if (searching[searched] == '}')
                    count--;

                searched++;
            }
            string Content = EntireFile.Substring(pos, searched);
            tlist.Add(new TClass() { ClassName = Cname, Content = Content });
            pos += searched;

            if (pos % 3 == 0)
            {
                double prc = ((double)pos) * 100d / ((double)EntireFile.Length);
                int prcc = (int)Math.Round(prc);
                wnd.UpdateStatus(prcc);
                wnd.Update();
            }
            mils.Add((int)w.ElapsedMilliseconds);
        }

任何帮助将不胜感激。

Answer 1

好吧，多次这样做

EntireFile.ToLower()

肯定没有帮助。您可以执行以下操作：

1. 仅执行一次成本高昂的操作（ToLower、IndexOf 等），并在可能的情况下缓存结果。
2. 不要缩小您正在使用 SubString 处理的输入范围，这会降低您的性能。相反，保留一个单独的 int parseStart 值并将其用作所有 IndexOf 调用的附加参数。换句话说，跟踪您手动解析的文件部分，而不是每次都采用较小的子字符串。

Answer 2

您遇到的性能问题在很大程度上与所有字符串复制操作的开销有关。

如果您通过简单地使用索引对整个字符串进行虚拟子串来消除复制，那么可以使用重载来指定字符串操作的有效范围，这将产生影响。

此外，不区分大小写的比较不是通过减小或增大字符串来进行的！您可以使用 StringComparer 类或 StringComparsion 枚举。有许多字符串重载可让您指定是否考虑区分大小写。

使用方括号表示法重复索引字符串也非常昂贵。如果您查看 .NET 中字符串操作的实现，它们总是将搜索字符串转换为字符数组，因为这样处理起来更快。然而，这意味着即使对于只读搜索操作，仍然会发生大量复制。

Answer 3

我建议使用分析工具将减慢速度的代码部分归零。

JetBrains dotTrace 是一款分析产品，对此类任务有很大帮助。

Answer 4

除了 Jon 的答案之外，据我了解，代码的 while () 部分中的任何内容都将在每个循环上执行。因此，您可能会更快地找到一种方法，以免

EntireFile.Substring(pos, EntireFile.Length - pos)).Contains(" class")

在 while 循环的每次迭代中重新计算。此外，您到底想解析什么？它是一个普通的文本文件吗？你没有提供很多细节。我喜欢用来解析文本文件的一种方法是使用“\n”作为分隔符将整个文件加载到字符串数组中。然后我可以快速单步遍历数组并解析内容。如果需要，我可以存储数组索引并快速引用前一行。

Answer 5

首先，您可以更改

while (pos < EntireFile.Length && (/*curr = */EntireFile.Substring(pos, EntireFile.Length - pos)).Contains(" class"))
{
 ...
}

为

var loweredEntireFile = EntireFile.ToLower();

while (pos < loweredEntireFile.Length && 
       Regex.IsMatch(loweredEntireFile, " class",   
       RegexOptions.IgnoreCase)
{
...

    // we just need to process the rest of the file
    loweredEntireFile = loweredEntireFile.Substring(pos, loweredEntireFile.Length - pos));
}

然后按照其他建议更改

pos = EntireFile.ToLower().IndexOf(" class", pos) + 6;
int end11 = EntireFile.ToLower().IndexOf("extends", pos);

为

var matches = Regex.Matchs(loweredEntireFile, " class", RegexOptions.IgnoreCase);
pos = matches.First().Index;

matches = Regex.Matchs(loweredEntireFile, "extends", RegexOptions.IgnoreCase);
var end11 = matches.First().Index;

，

var loweredEntiredFile = EntiredFile.ToLower();

应该在 while 之外完成一次，并且

loweredEntireFile = loweredEntireFile.Substring(pos, loweredEntireFile.Length - pos));

需要在 while 结束时完成