使用C＃

Question

我写了一个小的C＃程序，它比较了属于两个不同Excel工作表的两列。这些列中的每一列包含约23.000个细胞。对于第一列的每个元素，该过程检查元素的值是否存在于第二列中，如果它不存在，则从第一个工作表中删除该行。 问题是这个过程非常慢：扫描第二列需要大约10秒钟才能找到匹配值，因此程序执行大约需要10 * 23.000秒= 63小时。

在C＃中有更快的方法吗？

Answer 1

这是一种可能解决此问题的方法。你说你有大约23,000行GUID，所以你应该能够加载HashSet和第2列中的所有GUID。然后你可以处理column1，获取你在HashSet中找到的每个元素。

var column2 = new HashSet<Guid>(); // Load this set with the data from column2

// Now you can just use a simple LINQ query to create a new column1
var column1Result = column1.Where(x => column2.Contains(x)).ToList();

现在您将拥有一个GUID列表，它们是您的新列1。只需用新的column1替换原始column1并保存文件。

在我的机器上进行测试，包括填充两个列表的时间和一个包含100,000 GUID的集合（我的测试列1有50,000个匹配和50,000个不匹配），整个过程大约需要0.15秒。

修改 - 根据您的评论 根据您描述的情况，我将解析工作表2以获取GUID并将所有这些内容放在HashSet中。然后我只需走下工作表2的第1列，检查HashSet中的包含情况，并根据需要删除。

Answer 2

如果列中的值是double类型，则可以对它们进行排序。在每个搜索循环中，从最后一个循环开始最后一个位置，并在达到比您要查找的数字大的数字时停止搜索。

例如，您想在数组[1,3,4,5,6,7,9,10]中查找[2,4,7]。对于第一个循环，您要查找数字2，因此搜索范围为[1,3]。你停在3，因为3大于2.然后对于下一次搜索，你从3开始，到4结束，因为你找到了它。

Answer 3

毫无疑问，有一百万种不同的方法可以做到这一点。使用Excel，您可能需要检查特定的挂起。其他人提到删除功能很慢，但也确保每次运行检查时都不会创建/处理对象。保留所有对象，只需更改所需的变量即可。您还可以考虑多线程并处理不同线程上的每一行。不要试试这个，除非你对你的多线程技能有信心......

尝试使用简单的基于排序的解决方案来缩短解析时间 -

1. 对A行和B行进行排序。
2. 将值存储在B的中间（单元格B.Count / 2的值）
3. 迭代A - 首先检查值是否在B的上半部分或下半部分，然后仅搜索该列的一半。

*确保在找到值之后中断处理，假设您的列表已经不同。