如何用Split（无Substring）、Regex拆分含编号字符串并优化性能？

需求说明 #

现有一批字符串，部分包含十进制数字或字母组成的多级编号（如1.、2.1.、A.等），部分无编号。需将含编号的字符串拆分为编号（如1、2.1、A）与标题内容两部分，无编号的字符串则保留原内容。

示例输入 #

• 1. Title1 Contains Space and Characters
• 2.1. Title2.1 Contains Space and Characters
• A. Title A Contains Space and Characters
• Title which does not contains any Display Code

预期输出 #

提取编号和对应标题内容，无编号的字符串编号字段为空，标题保留原文。

一、仅使用Split方法实现（不依赖Substring） #

完全通过Split方法完成拆分，避免使用Substring，核心思路是先按空格拆分字符串，再判断第一部分是否为合法编号：

string input = "2.1. Title2.1 Contains Space and Characters";
string displayCode = string.Empty;
string title = input;

// 按空格拆分，最多拆分为2个部分
var splitParts = input.Split(new[] { ' ' }, 2);

if (splitParts.Length > 1)
{
    var candidateCode = splitParts[0];
    // 验证候选编号：以.结尾，且仅包含字母、数字和.
    if (candidateCode.EndsWith(".") && candidateCode.All(c => char.IsLetterOrDigit(c) || c == '.'))
    {
        displayCode = candidateCode.TrimEnd('.');
        // 去除标题前的多余空格
        title = splitParts[1].TrimStart();
    }
}

Console.WriteLine($"Display Code: {displayCode} Title: {title}");

二、使用正则表达式实现 #

通过正则表达式精准匹配编号格式，支持多级编号（如2.1），同时处理编号后的多个空格：

using System.Text.RegularExpressions;

string input = "A.  Title A Contains Space and Characters";
string displayCode = string.Empty;
string title = input;

// 正则表达式：匹配开头的合法编号，以及后续的标题内容
// 分组1：编号（允许多级，如2.1）；分组2：标题内容
var regexPattern = @"^([A-Za-z0-9]+(?:\.[A-Za-z0-9]+)*)\.\s+(.*)$";
var regex = new Regex(regexPattern, RegexOptions.Compiled);

var matchResult = regex.Match(input);
if (matchResult.Success)
{
    displayCode = matchResult.Groups[1].Value;
    title = matchResult.Groups[2].Value;
}

Console.WriteLine($"Display Code: {displayCode} Title: {title}");

说明：添加RegexOptions.Compiled可预编译正则表达式，提升多次匹配时的性能。

三、最优高效实现方式 #

若需处理大量字符串，优先选择直接定位字符位置的方案，避免Split或正则表达式带来的额外内存分配与开销。核心思路是通过IndexOf快速定位.和空格的位置，验证编号合法性后拆分：

public static (string DisplayCode, string Title) SplitTitle(string input)
{
    if (string.IsNullOrWhiteSpace(input))
        return (string.Empty, input);

    // 先尝试匹配". "（点+单个空格）的情况
    int dotSpaceIndex = input.IndexOf(". ");
    if (dotSpaceIndex != -1)
    {
        string candidateCode = input.Substring(0, dotSpaceIndex);
        // 验证编号仅包含字母、数字和.
        if (candidateCode.All(c => char.IsLetterOrDigit(c) || c == '.'))
        {
            string title = input.Substring(dotSpaceIndex + 2).TrimStart();
            return (candidateCode, title);
        }
    }

    // 处理编号后多个空格的情况（如A.  Title）
    int dotIndex = input.IndexOf('.');
    if (dotIndex != -1 && dotIndex + 1 < input.Length)
    {
        int spaceStartIndex = dotIndex + 1;
        // 跳过所有连续空格
        while (spaceStartIndex < input.Length && char.IsWhiteSpace(input[spaceStartIndex]))
        {
            spaceStartIndex++;
        }
        // 确认存在有效标题内容
        if (spaceStartIndex > dotIndex + 1 && spaceStartIndex < input.Length)
        {
            string candidateCode = input.Substring(0, dotIndex);
            if (candidateCode.All(c => char.IsLetterOrDigit(c) || c == '.'))
            {
                string title = input.Substring(spaceStartIndex);
                return (candidateCode, title);
            }
        }
    }

    // 无合法编号，返回原内容
    return (string.Empty, input);
}

// 使用示例
var result1 = SplitTitle("1. Title1 Contains Space and Characters");
Console.WriteLine($"Display Code: {result1.DisplayCode} Title: {result1.Title}");

var result2 = SplitTitle("Title which does not contains any Display Code");
Console.WriteLine($"Display Code: {result2.DisplayCode} Title: {result2.Title}");

说明：该方案通过直接操作字符索引，减少了数组创建（Split）和正则匹配的开销，在处理海量字符串时性能最优。

内容的提问来源于stack exchange，提问作者PavanKumar GVVS