我昨天对有人在正则表达式中使用而不是 or 的答案发表了评论。我说使用范围或数字说明符可能比字符集更有效。[0123456789][0-9]d

我决定今天进行测试，并惊讶地发现（至少在 c# 正则表达式引擎中）似乎比其他两个似乎没有太大区别的任何一个效率低。这是我的测试输出超过 10000 个随机字符串，其中包含 1000 个随机字符，其中 5077 个实际包含一个数字：d

Regex d           took 00:00:00.2141226 result: 5077/10000
Regex [0-9]        took 00:00:00.1357972 result: 5077/10000  63.42 % of first
Regex [0123456789] took 00:00:00.1388997 result: 5077/10000  64.87 % of first

这对我来说是一个惊喜，原因有两个，如果有人能阐明一些信息，我会很感兴趣：

1. 我本以为该范围会比集合更有效地实现。
2. 我不明白为什么比.除了简单的简写之外，还有更多吗？d[0-9]d[0-9]

以下是测试代码：

using System;
using System.Collections.Generic;
using System.Linq;
using System.Text;
using System.Diagnostics;
using System.Text.RegularExpressions;

namespace SO_RegexPerformance
{
    class Program
    {
        static void Main(string[] args)
        {
            var rand = new Random(1234);
            var strings = new List<string>();
            //10K random strings
            for (var i = 0; i < 10000; i++)
            {
                //generate random string
                var sb = new StringBuilder();
                for (var c = 0; c < 1000; c++)
                {
                    //add a-z randomly
                    sb.Append((char)('a' + rand.Next(26)));
                }
                //in roughly 50% of them, put a digit
                if (rand.Next(2) == 0)
                {
                    //replace 1 char with a digit 0-9
                    sb[rand.Next(sb.Length)] = (char)('0' + rand.Next(10));
                }
                strings.Add(sb.ToString());
            }

            var baseTime = testPerfomance(strings, @"d");
            Console.WriteLine();
            var testTime = testPerfomance(strings, "[0-9]");
            Console.WriteLine("  {0:P2} of first", testTime.TotalMilliseconds / baseTime.TotalMilliseconds);
            testTime = testPerfomance(strings, "[0123456789]");
            Console.WriteLine("  {0:P2} of first", testTime.TotalMilliseconds / baseTime.TotalMilliseconds);
        }

        private static TimeSpan testPerfomance(List<string> strings, string regex)
        {
            var sw = new Stopwatch();

            int successes = 0;

            var rex = new Regex(regex);

            sw.Start();
            foreach (var str in strings)
            {
                if (rex.Match(str).Success)
                {
                    successes++;
                }
            }
            sw.Stop();

            Console.Write("Regex {0,-12} took {1} result: {2}/{3}", regex, sw.Elapsed, successes, strings.Count);

            return sw.Elapsed;
        }
    }
}

网友回答：

感谢ByteBlast在文档中注意到这一点。只需更改正则表达式构造函数：

var rex = new Regex(regex, RegexOptions.ECMAScript);

提供新的时间：

Regex d           took 00:00:00.1355787 result: 5077/10000
Regex [0-9]        took 00:00:00.1360403 result: 5077/10000  100.34 % of first
Regex [0123456789] took 00:00:00.1362112 result: 5077/10000  100.47 % of first

网友回答：

d检查所有 Unicode 数字，但仅限于这 10 个字符。例如，波斯数字 是 Unicode 数字的一个示例，它与 匹配，但不匹配。[0-9]۱۲۳۴۵۶۷۸۹d[0-9]

您可以使用以下代码生成所有此类字符的列表：

var sb = new StringBuilder();
for(UInt16 i = 0; i < UInt16.MaxValue; i++)
{
    string str = Convert.ToChar(i).ToString();
    if (Regex.IsMatch(str, @"d"))
        sb.Append(str);
}
Console.WriteLine(sb.ToString());

这将产生：

0123456789٠١٢٣٤٥٦٧٨٩۰۱۲۳۴۵۶۷۸۹؀إ؁؂؃ئئॶ૦ئ२३४५६७८९০১২৩৪৫৬৭৮৯੦੧੨੩੪੫੬੭੮੯૦૧૨૩૪૦૬૭૮૯୦୧୨୩୪୫୬୭୭�୭�୭୭�୭୭୭��୯௦௧௨௩௪௫௬௭௮௯౦౧౨౩౪౫౬౭౮౯೦೧೨೩೪೫೬೭೮೯൦൧൨൩൪൫൬൭൮൯๐๑๒๓๔๕๖๗๘๙໐໑໒໓໔໕໖໗໘໙༠༡༢༣༤༥༦༧༨༩Ἡṗ๘๐໑໗໘໙༠༡༢༣༤༥༦༧༨༩Ἡṗ๘໐໑໓໔໕໖໗໘༙༠༡༢༣༤༥༦༧༨༩ἩṒ๓๔๕๖๗๘໐໑໗໓໔໕໖໗໘༙༠༡༢༣༤༥༦༧༨༩ἩṒ๓๔๕๖๗๘໐໑໓໔໕໖໗໘໙༠༡༢༣༤༥༦༧༨༩ṩṗ๘๙໐໑໓໔໕໖໗໘໙༠༡༢༣༤༥༦༧༨༩ṩṒ๓๔๕๖๗๘๙໐໑໓໔໕໖໗໘༙༰་༡༢༣༤༥༦�偀၁၂၃၄၅၆၇၈၉႐႑႒႓႔႕႖႗႘႙០១២៣៤៥៦៧៨៩᠐᠑᠒᠓᠔᠕᠖᠗᠘᠙᥆᥇᥈᥉᥊᥋᥍᥎᥏᧐᧑᧒᧓ᧃ᧕᧖᧖᧓ᭃ᝕᭖᭗᭘᭙᮰᮱᮱ ��᮳᮴᮵᮶᮷᮸᮹Ṁ᱁Ṃ᱃᱄᱅᱆᱇᱈᱉᱐᱑᱒᱓᱔᱕᱖᱗᱘᱙꘠꘡꘢꘣꘤꘥꘦꘧꘨꘩ꘐ꣑꣒꣓꣔꣕꣖꣗꣘꣙꤀꤁꤂꤃꤄꤅꤆꤇꤈꤉꩐꩑꩒꩓ꩩ꩕꩖꩗꩘꩙0123456789

网友回答：

从正则表达式中的“d”是否表示数字？

[0-9]不等效于 。 仅匹配字符，而匹配和其他数字字符，例如东方阿拉伯数字d[0-9]0123456789d[0-9]٠١٢٣٤٥٦٧٨٩