爪哇（Java）自定义的二个字符串高效处理方法，在静寂一个半月之后

以下是测试程序运行结果：

source = a b c d e f g h i j k l m n o p q r s t u v w x y z
字符串中删除字符的方法。
系统函数计算 300000 次用时 1984 ms
自定义方法计算 300000 次用时 344 ms
生成 abcdefghijklmnopqrstuvwxyz 。
---------- ---------- ---------- ----------

字符串按字符分割的方法。
系统函数计算 300000 次用时 1609 ms
自定义方法计算 300000 次用时 281 ms
生成 [Ljava.lang.String;@1010058: [a, b, c, d, e, f, g, h, i, j, k, l, m, n, o, p, q, r, s, t, u, v, w, x, y, z] 。
---------- ---------- ---------- ----------

能够数倍超越爪哇（Java）类库（Java5.0和Java6.0）中相关方法的性能，究其原因，是因为类库为通用性，提供的相关方法，都采取了正则表达式参数。虽然编译过的正则表达式很高效，但毕竟无法和字符相等这种单拍操作相提并论。

下面把程序发出来，供大家指出错误、讨论以及参考。

首先是删除字符串中某字符的方法。

/**
 * <b>字符串删除其中某字符</b><br/>
 * 本方法用来移除指定字符串中的指定字符。
 * 在 Java 6.0 以内，删除字符串中的指定字符，需要通过
 * {@link String#replace(CharSequence, CharSequence) replace} 方法，将指定单
 * 字符的字符串，替换成空字符串来实现。而 <code>replace</code> 方法为了追求通用，
 * 使用了正则表达式参数。即便是编译过的正则表达式，其性能也无法与简单的字符相等
 * 判断相提并论。<br/>
 * 本方法不涉及正则表达式，通过 {@link StringBuilder} 来删除原字符串中的目标
 * 字符。是一个简单但高效的方法。<br/>
 * 本方法使用示例如下：
 * <pre>
 * String source = "a b c d e f g h i j k l m n o p q r s t u v w x y z";
 * String removed = StringTool.removeChar(source, ' ');</pre>
 * 此示例中，{@link String} source 为原字符串。String removed 为删除空格后的
 * 结果。
 * @see		String#replace(CharSequence, CharSequence)
 * @see		StringBuilder#deleteCharAt(int)
 * @param 	source	待被处理的字符串，即本方法的“原字符串”
 * @param 	target	需要从原字符串中移除的字符
 * @return		从指定原字符串中移除指定字符后所得的结果字符串
 * @exception	NullPointerException	当传入参数 source 为空时
 */
static public String removeChar(String source, char target)
{
	StringBuilder builder = new StringBuilder(source);
	char[] srcChars = source.toCharArray();
	int accumulation = 0;
	for (int index = -1; ++index != srcChars.length; )
		if (srcChars[index] == target)
			builder.deleteCharAt(index - accumulation++);
	return builder.toString();
}

接下来，是字符串分割的方法。

/**
 * <b>简易字符串分割</b><br/>
 * 本方法用来根据指定字符，将某字符串以此为分割，拆分成多个子字符串。
 * 对于分割字符串功能，在 Java 6.0 以内，都只提供了支持正则表达式的
 * {@link String#split(String) split} 方法。此方法为追求通用，即便是简单的
 * 分割，也会基于正则表达式来进行。即便是编译过的正则表达式，其性能也无法与简单
 * 的字符相等判断相提并论。<br/>
 * 本方法不涉及正则表达式，通过遍历原字符串对应的字符数组来寻找符合分割字符的
 * 字符，然后通过 {@link String#substring(int, int)} 来获取每一个分割字符之间
 * 的子字符串，存入一个 {@link LinkedList} 中。这是一个功能简单但高效的方法。
 * 如果规模比较大，拟考虑先通过一次循环，取得原字符串中分割字符的数量，以此制作
 * 定长的 {@link ArrayList} 。
 * 本方法尤其适用于常见的由半角逗号结合在一起的字符串的分割。<br/>
 * 在编写之初，本方法曾采取将字符串的字符数组分段处理，通过系统字符串复制来形成
 * 一个个子字符串。后经考证，{@link String#substring(int, int)} 是一个很高效的
 * 方法，遂改。效率提高了一倍。
 * 本方法使用示例如下：
 * <pre>
 * String source = "a b c d e f g h i j k l m n o p q r s t u v w x y z";
 * List<String> secs = StringTool.splitSimpleString(source, ' ');</pre>
 * 此示例中，{@link String} source 为原字符串。{@link List} secs 为删除空格后
 * 的结果。
 * @see		String#split(String)
 * @see		String#substring(int, int)
 * @param 	source	待被处理的字符串，即本方法的“原字符串”
 * @param 	gap		分割字符
 * @return		从指定原字符按分割字符拆分成的子字符串列表
 * @exception	NullPointerException	当传入参数 source 为空时
 */
static public List<String> splitSimpleString(String source, char gap)
{
	List<String> result = new LinkedList<String>();
	char[] sourceChars = source.toCharArray();
	String section = null;
	int startIndex = 0;
	for (int index = -1; ++index != sourceChars.length; )
	{
		if (sourceChars[index] != gap) continue;
		section = source.substring(startIndex, index);
		result.add(section);
		startIndex = index + 1;
	}
	section = source.substring(startIndex, sourceChars.length);
	result.add(section);
	return result;
}

最后是测试程序。

static public void main(String[] arguments)
{
	// 准备测试内容
	String source = "a b c d e f g h i j k l m n o p q r s t u v w x y z";
	System.out.println("source = " + source);
	int loop = 300000;
	String resultString = null;
	List<String> resultList = null;
	String[] resultArr = null;
	int index = -1;

	long start = Calendar.getInstance().getTimeInMillis();
	System.out.println("字符串中删除字符的方法。");

	// 测试 Java 类库提供的字符串删除某字符
	index = -1;
	while (++index != loop)
		resultString = source.replace(" ", "");
	long end1 = Calendar.getInstance().getTimeInMillis();
	System.out.println("系统函数计算 " + loop + " 次用时 " + (end1 - start) + "ms");

	// 测试自定义的字符串删除某字符
	index = -1;
	while (++index != loop)
		resultString = StringTool.removeChar(source, ' ');
	long end2 = Calendar.getInstance().getTimeInMillis();
	System.out.println("自定义方法计算 " + loop + " 次用时 " + (end2 - end1) + "ms");

	System.out.println("生成 " + resultString + " 。");
	System.out.println("---------- ---------- ---------- ----------\n");

	// 测试 Java 类库提供的字符串按某字符分割
	System.out.println("字符串按字符分割的方法。");
	index = -1;
	while (++index != loop) resultArr = source.split(" ");
	long end3 = Calendar.getInstance().getTimeInMillis();
	System.out.println("系统函数计算 " + loop + " 次用时 " + (end3 - end2) + "ms");

	// 测试自定义的字符串按某字符分割
	index = -1;
	while (++index != loop)
		resultList = StringTool.splitSimpleString(source, ' ');
	long end4 = Calendar.getInstance().getTimeInMillis();
	System.out.println("自定义方法计算 " + loop + " 次用时 " + (end4 - end3) + "ms");

	System.out.println("生成 " + resultArr + ": " + resultList + " 。");
	System.out.println("---------- ---------- ---------- ----------\n");
}

本文也在我 CSDN 的博客发表： http://blog.csdn.net/shanelooli/article/details/8123094

评论

5 楼 Surmounting 2012-11-06  

skzr.org 写道

new StringBuilder可以传入字符串长度这样避免了array扩容。

有效果有效果！
能稳定提高 10% 左右的效率～

太感谢了。没想到在这种情况下还能够继续提高。看来我编程的好习惯还是不足啊。以前只有做 ArrayList 和 HashMap 指定尺寸的习惯，StringBuilder 缺乏这个意识。

4 楼 skzr.org 2012-11-06  

new StringBuilder可以传入字符串长度这样避免了array扩容。

3 楼 Surmounting 2012-11-05  

skzr.org 写道

说实在的，这个处理性能确实不错。
我前年做小说采集器时，也是这样处理的，没有用系统的也是性能+内存的原因。
1. 系统的substring实际上内部的那个数组内存不会被释放的，有潜在的内存泄漏：所以当时采用了new String()
2. string内部用正则，对于一般的查找替换等没必要，直接操作更快

你这个很不错。

以下是改进版：

/**
* <b>字符串删除其中某字符</b><br/>
* 本方法用来移除指定字符串中的指定字符。
* 在 Java 6.0 以内，删除字符串中的指定字符，需要通过
* {@link String#replace(CharSequence, CharSequence) replace} 方法，将指定单
* 字符的字符串，替换成空字符串来实现。而 <code>replace</code> 方法为了追求通用，
* 使用了正则表达式参数。即便是编译过的正则表达式，其性能也无法与简单的字符相等
* 判断相提并论。<br/>
* 本方法不涉及正则表达式，通过遍历原字符串对应的字符数组来寻找符合待删除字符的
* 字符，然后通过 {@link StringBuilder} 来追加其余字符。这是一个简单但高效的方法。
* <br/>
* 本方法编写之初，曾试图通过 <code>StringBuilder</code> 的功能来直接删除字符串
* 中待删除字符。后经 www.iteye.com 网站用户 shenyuc629 提示，并经过考证，发现
* {@link StringBuilder#deleteCharAt(int) deleteCharAt} 方法并不高效，应该是
* 因为其内部每次删除都进行了数组迁移。遂改为追加方式，效率提高了 2 倍多。<br/>>>
* 本方法使用示例如下：
* <pre>
* String source = "a b c d e f g h i j k l m n o p q r s t u v w x y z";
* String removed = StringTool.removeChar(source, ' ');</pre>
* 此示例中，{@link String} source 为原字符串。String removed 为删除空格后的
* 结果。
* @see String#replace(CharSequence, CharSequence)
* @see StringBuilder#append(char)
* @param source 待被处理的字符串，即本方法的“原字符串”
* @param target 需要从原字符串中移除的字符
* @return 从指定原字符串中移除指定字符后所得的结果字符串
* @exception NullPointerException 当传入参数 source 为空时
*/
static public String removeChar(String source, char target)
{
StringBuilder builder = new StringBuilder();
for (char c: source.toCharArray())
if (c != target) builder.append(c);
return builder.toString();
}

2 楼 Surmounting 2012-11-03  

skzr.org 写道

说实在的，这个处理性能确实不错。
我前年做小说采集器时，也是这样处理的，没有用系统的也是性能+内存的原因。
1. 系统的substring实际上内部的那个数组内存不会被释放的，有潜在的内存泄漏：所以当时采用了new String()
2. string内部用正则，对于一般的查找替换等没必要，直接操作更快

你这个很不错。

我这个也没能避免 substring() 的内存泄露问题。明天加班，看看咋改法。
另外对于删除某字符，经 ITeye 的朋友提示，deleteCharAt() 方法会引起即时的数组重写，不如直接用 StringBuilder 一个个 append() 。经测试用新方法速度增加 2-2.5 倍。

1 楼 skzr.org 2012-11-03  

说实在的，这个处理性能确实不错。
我前年做小说采集器时，也是这样处理的，没有用系统的也是性能+内存的原因。
1. 系统的substring实际上内部的那个数组内存不会被释放的，有潜在的内存泄漏：所以当时采用了new String()
2. string内部用正则，对于一般的查找替换等没必要，直接操作更快

你这个很不错。