c# .net4 -正则表达式vs html敏捷包

Question

哪个更快？我刚刚做了一个使用HTML Agility pack的网络刮板，它消耗了大量的内存。

使用内存分析器对其进行分析，我发现HTMLDocument、HTMLNode等实例占用的内存最多。

我觉得使用正则表达式可能会更快、更高效，我说错了吗？

Answer 1

reg-ex将比html agilty pack快得多。

但是你应该记住html并不总是需要良好的格式。仅使用reg-ex搜索所需的正确数据可能会失败。浏览器对错误的容忍度很高。

敏捷性包是一个很棒的工具。它为消耗的内存提供了很多功能。

Answer 2

根据你具体做了什么，使用正则表达式来加速并释放一些内存是可能的。问题是-从其中提取数据的页面的刚性和格式有多好。正则表达式更容易被您可能在野外遇到的完全有效但意想不到的HTML构造所混淆。