為什麼在C＃Regex中的效率不如[0-9]'\ d`效率不高？

C#正則表達式中d效率低於[0-9]：探究性能差異

最近一次性能比較意外地發現，在C#正則表達式引擎中，d字符類比[0-9]範圍指定符的效率低。通常情況下，範圍指定符的效率應該高於字符集。此外，即使與更冗長的[0123456789]字符集相比，d也表現出性能劣勢。

為了解釋這個令人驚訝的結果，讓我們深入探討一些可能的原因：

1. Unicode數字識別:

d表示所有Unicode數字，而不僅僅是[0-9]中指定的10個字符。 Unicode包含來自各種語言的其他數字字符，例如波斯數字（۱۲۳۴۵۶۷۸۹）。這種更廣泛的範圍可能會引入額外的計算開銷，從而降低d的效率。

為了說明這個概念，我們可以使用以下代碼生成所有Unicode數字的列表：

StringBuilder sb = new StringBuilder();
for (UInt16 i = 0; i < 0x10FFFF; i++)
{
    if (char.IsDigit((char)i))
    {
        sb.Append((char)i);
    }
}
string allUnicodeDigits = sb.ToString();

這將生成一個包含以下字符（以及其他字符）的長字符串：

٠١٢٣٤٥٦٧٨٩۰۱۲۳۴۵۶۷۸۹߀߁߂߃߄߅߆߇߈߉०१२३४५६७८९০১২৩৪৫৬৭৮৯੦੧੨੩੪੫੬੭੮੯૦૧૨૩૪૫૬૭૮૯

2. 實現差異：

正則表達式引擎可能以不同的方式實現d和[0-9]，這可能會導致性能差異。 C#正則表達式引擎可能會專門優化[0-9]以提高效率，而d的更廣泛範圍可能會限制此類優化。

結論：

雖然最初令人驚訝，但d的性能較慢可以歸因於其對Unicode數字的擴展識別。當使用有限的數字集（例如0-9）時，[0-9]或[0123456789]可以提供更好的效率。但是，如果您需要匹配來自不同語言的更廣泛的數字字符範圍，d仍然是一個強大的工具。

以上是為什麼在C＃Regex中的效率不如[0-9]'\ d`效率不高？的詳細內容。更多資訊請關注PHP中文網其他相關文章！