关键字加链接

这个问题先说一下我的思路，再讨论一下楼主的思路和.NET中一些使用正则需要注意的地方

因为是关键字替换，而关键字的数量也很多，所以从整体上来说有两种实现方式：
一种是在最外层循环关键字，每次替换一个符合条件的关键字，这样每循环一次，就要遍历一次源字符串
另一种是分次找出符合替换条件的子字符串，然后循环关键字进行替换，这样每次处理的源字符串相对较小，但关键字要遍历一次
因为相对于源字符串来说，关键字要小得多，所以一般来说还是后一种效率会高些
按楼主需求的前三条
1、标签内的内容不参与替换，比如： <p title="关键字"> 虽然含有关键字，但不进行替换  
2、本身是链接的内容不参与替换，如： <a>关键字 </a>  
3、 <pre> </pre>标签内的内容不参与替换，如： <pre>关键字 </pre>  
楼主所要替换的关键字，都是在不符合这三条的子字符串中，那就想办法先取出排除了这三种情况的子串，这时候子串中所包含的关键字就是可以替换的了
因为不符合替换需求的条件只有三条，所以一个正则表达式还是可以做到的
取出排除以上三种情况的子串，采用委托方式进行替换
因为楼主的第四个需求
3、尽量做到一个关键字在一篇文章中只有一个被替换成链接（因为关键字很多，都替换成链接，整篇文章十分不雅）
一个关键字只替换一次，那问题就好办了，只要执行过一次替换的关键字，就从关键字列表中去掉，这样不但可以满足楼主的要求，还可以减少每轮循环的次数

再讨论一下楼主的思路和.NET中一些使用正则需要注意的地方吧
可能楼主并不清楚正则中委托的应用，或者是不知道如何通过一个正则，来提取出排除了前三个条件的子串
所以楼主采用了先截取，再拼接的方式，其实跟委托的实现原理基本上是差不多的，只是没有委托这种实现方式效率高而已
再说一下楼主在正则使用中存在的问题吧，涉及到性能问题的时候，需要注意以下几个方面

1、不要使用静态方法，而一定要显式的声明Regex对象
原因是静态方法会临时创建一个Regex对象，用它来调用请求的方法，然后弃用这个对象。而静态方法每次调用，都必须重新检查正则表达式，所以存在效率缺陷  
虽然默认情况下，.NET Framework做了缓存处理，但默认只缓存15个正则表达式，尽管可以通过  
Regex.CacheSize = 123;  
来调整，但这并不是解决效率问题的根本方法

2、不要在循环体中声明Regex对象
因为这样使用，每次都要重新创建对象，重新对正则表达式进行编译，大大降低效率

3、如果正则需要在循环中调用，且循环次数比较多，正则要先在循环体外预编译，RegexOptions.Compiled   
预编译会延长编译时间，占用更多的内存，但会加速匹配过程。一般在数据源较大、正则复杂、频繁调用、循环中使用时，可以考虑进行预编译  
当然，在多处调用，且调用频繁的情况下，可以考虑封装到assembly中  

4、除非对源字符串的结构非常清楚，否则不要轻易使用.*?这种非贪婪模式，非贪婪模式(exp)*?以及量词的嵌套使用不当，会造成无限循环回溯，通常是正则效率陷阱的根源，尽量使用排除型字符组[^…]和否定的正向环视(?!exp)结合贪婪模式来实现
通常情况下，<.+?>是没有<[^>]*>的效率高的

5、匹配失败不需要回溯的子表达式，用固化分组(?>…)加速失败过程，同时避免回溯
那么<[^>]*>通常还可以通过固化分组的方式进行优化<(?>[^>]*)>

所以下面这一部分代码

C# code

   
   

    
    for
    
     (
    
    int
    
     i 
    
    =
    
     
    
    0
    
    ; i 
    
    <
    
     str1.Count; i
    
    ++
    
    )
{
    tmp 
    
    =
    
     
    
    new
    
     StringBuilder(str1[i]);
    
    
    if
    
     (Regex.Replace(tmp.ToString(), 
    
    @"
    
    <.+?>
    
    "
    
    , 
    
    ""
    
    ).Length 
    
    >
    
     
    
    5
    
    )

    
    //
    
    可以替换为
    
    

    
    Regex tagReg 
    
    =
    
     
    
    new
    
     Regex(
    
    @"
    
    <(?>[^>]*)>
    
    "
    
    , RegexOptions.Compiled);

    
    for
    
     (
    
    int
    
     i 
    
    =
    
     
    
    0
    
    ; i 
    
    <
    
     str1.Count; i
    
    ++
    
    )
{
    tmp 
    
    =
    
     
    
    new
    
     StringBuilder(str1[i]);
    
    
    if
    
     (tagReg.Replace(tmp.ToString(), 
    
    ""
    
    ).Length 
    
    >
    
     
    
    5
    
    )
   
   

6、以“|”取“或”的分支结构，对效率的影响也很大，所以通常情况下，使用分支结构时，要尽可能的抽象出相同的规律，对分支的复杂度加以简化

C# code

   
   

    
    (
    
    <
    
    a .
    
    +?</
    
    a
    
    >
    
    )
    
    |
    
    (
    
    <
    
    pre(
    
    >|
    
    /s).
    
    +?</
    
    pre
    
    >
    
    )

    
    //
    
    可以简化为
    
    

    
    <
    
    (a
    
    |
    
    pre)/b(
    
    ?
    
    :(
    
    ?!</?
    
    /
    
    1
    
    ).)
    
    *</
    
    /
    
    1
    
    >
   
   

7、在循环中使用，当捕获组没有必须使用的理由时，使用非捕获组代替  
捕获组匹配成功后，会将匹配的内容保存到一个组里，供以后引用，所以无意义的捕获组，会占用内存，降低效率  

所以循环体中

C# code

   
   

    
    reg2 
    
    =
    
     
    
    new
    
     Regex(
    
    @"
    
    ((^|>)[^<]+?)(
    
    "
    
     
    
    +
    
     _tag 
    
    +
    
     
    
    "
    
    )
    
    "
    
    , RegexOptions.IgnoreCase);  
    
    //
    
    以及其后的一行
    
    

    
    tmp.Insert(mat2.Index, mat2.Groups[
    
    1
    
    ].Value 
    
    +
    
     
    
    "
    
    <a href='/tag/
    
    "
    
     
    
    +
    
     mat2.Groups[
    
    2
    
    ].Value 
    
    +
    
     
    
    "
    
    .htm'>
    
    "
    
     
    
    +
    
     mat2.Groups[
    
    2
    
    ].Value 
    
    +
    
     
    
    "
    
    </a>
    
    "
    
    );

    
    //
    
    可以替换为
    
    

    
    reg2 
    
    =
    
     
    
    new
    
     Regex(
    
    @"
    
    (?<=(?:^|>)(?:(?!
    
    "
    
     
    
    +
    
     _tag 
    
    +
    
     
    
    "
    
    ).)*)
    
    "
    
     
    
    +
    
     _tag , RegexOptions.IgnoreCase);
tmp.Insert(mat2.Index, 
    
    "
    
    <a href='/tag/
    
    "
    
     
    
    +
    
     mat2.Value 
    
    +
    
     
    
    "
    
    .htm'>
    
    "
    
     
    
    +
    
     mat2.Value 
    
    +
    
     
    
    "
    
    </a>
    
    "
    
    );
   
   

受限于楼主的实现思路，reg2这个正则，必须是动态生成的，所以没有办法提取到循环体外，此处对性能的影响较大

8、另外，在.NET中动态生成正则表达式时，为了避免存在变量中有正则中具体特殊意义的字符，而导致正则解析失败，抛异常的问题，可以用Regex.Escape()方法对变量进行预处理

C# code

   
   

    
    reg2 
    
    =
    
     
    
    new
    
     Regex(
    
    @"
    
    (?<=(?:^|>)(?:(?!
    
    "
    
     
    
    +
    
     Regex.Escape(_tag) 
    
    +
    
     
    
    "
    
    ).)*)
    
    "
    
     
    
    +
    
     Regex.Escape(_tag) , RegexOptions.IgnoreCase);