在Java中将大写转换为小写和小写转换为大写的最快方法

Question

这是一个关于性能的问题。我可以使用以下代码从大写转换为小写，反之亦然：

从小写到大写：

// Uppercase letters. 
class UpperCase {  
  public static void main(String args[]) { 
    char ch;
    for (int i = 0; i < 10; i++) { 
      ch = (char) ('a' + i);
      System.out.print(ch); 

      // This statement turns off the 6th bit.   
      ch = (char) ((int) ch & 65503); // ch is now uppercase
      System.out.print(ch + " ");  
    } 
  } 
}

从大写到小写：

// Lowercase letters. 
class LowerCase {  
  public static void main(String args[]) { 
    char ch;
    for (int i = 0; i < 10; i++) { 
      ch = (char) ('A' + i);
      System.out.print(ch);
      ch = (char) ((int) ch | 32); // ch is now lowercase
      System.out.print(ch + " ");  
    } 
  } 
}

我知道Java提供了以下方法：.toUpperCase( )和.toLowerCase( )。考虑到性能，最快的转换方法是什么，使用我在上面代码中展示的按位运算，或者使用.toUpperCase( ) 和.toLowerCase( ) 方法？谢谢。

编辑 1：请注意我如何使用十进制 65503，它是二进制 1111111111011111。我使用的是 16 位，而不是 8 位。根据目前在How many bits or bytes are there in a character? 获得更多投票的答案：

UTF-16 编码中的 Unicode 字符介于 16（2 个字节）和 32 位（4 个字节）之间，但大多数常见字符占用 16 位。这是 Windows 内部使用的编码。

我的问题中的代码假定为 UTF-16。

Answer 1

只需坚持提供的方法.toLowerCase() 和.toUpperCase()。添加两个单独的类来执行 java.lang 已经提供的两种方法是一种过大的杀伤力，并且会减慢您的程序（有一点余量）。

Answer 2

您的代码仅适用于 ANSII 字符。小写和大写之间不存在明确转换的语言呢？德语 ß（如果我错了，请纠正我，我的德语很糟糕）或者使用多字节 UTF-8 代码点编写字母/符号时。正确性先于性能，如果您必须处理 UTF-8，问题就不是那么简单了，这在 String.toLowerCase(Locale) 方法中很明显。

Answer 3

是的，如果您选择使用简单的按位运算执行大小写转换，您编写的方法会稍微快一些，而 Java 的方法具有更复杂的逻辑来支持 unicode 字符，而不仅仅是 ASCII 字符集。

如果您查看String.toLowerCase()，您会注意到其中有很多逻辑，因此，如果您使用的软件只需要处理大量 ASCII，而无需其他任何东西，您实际上可能会看到一些好处避免使用更直接的方法。

但是除非您正在编写一个大部分时间都在转换 ASCII 的程序，即使使用分析器，您也不会注意到任何差异（如果您正在编写那种程序...你应该找另一份工作）。

Answer 4

正如所承诺的，这里有两个 JMH 基准；一个将Character#toUpperCase 与您的按位方法进行比较，另一个将Character#toLowerCase 与您的其他按位方法进行比较。请注意，仅测试了英文字母表中的字符。

第一个基准（大写）：

@State(Scope.Benchmark)
@BenchmarkMode(Mode.AverageTime)
@OutputTimeUnit(TimeUnit.NANOSECONDS)
@Warmup(iterations = 5, time = 500, timeUnit = TimeUnit.MILLISECONDS)
@Measurement(iterations = 10, time = 500, timeUnit = TimeUnit.MILLISECONDS)
@Fork(3)
public class Test {

    @Param({"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"})
    public char c;

    @Benchmark
    public char toUpperCaseNormal() {
        return Character.toUpperCase(c);
    }

    @Benchmark
    public char toUpperCaseBitwise() {
        return (char) (c & 65503);
    }
}

输出：

Benchmark                (c)  Mode  Cnt  Score   Error  Units
Test.toUpperCaseNormal     a  avgt   30  2.447 ± 0.028  ns/op
Test.toUpperCaseNormal     b  avgt   30  2.438 ± 0.035  ns/op
Test.toUpperCaseNormal     c  avgt   30  2.506 ± 0.083  ns/op
Test.toUpperCaseNormal     d  avgt   30  2.411 ± 0.010  ns/op
Test.toUpperCaseNormal     e  avgt   30  2.417 ± 0.010  ns/op
Test.toUpperCaseNormal     f  avgt   30  2.412 ± 0.005  ns/op
Test.toUpperCaseNormal     g  avgt   30  2.410 ± 0.004  ns/op

Test.toUpperCaseBitwise    a  avgt   30  1.758 ± 0.007  ns/op
Test.toUpperCaseBitwise    b  avgt   30  1.789 ± 0.032  ns/op
Test.toUpperCaseBitwise    c  avgt   30  1.763 ± 0.005  ns/op
Test.toUpperCaseBitwise    d  avgt   30  1.763 ± 0.012  ns/op
Test.toUpperCaseBitwise    e  avgt   30  1.757 ± 0.003  ns/op
Test.toUpperCaseBitwise    f  avgt   30  1.755 ± 0.003  ns/op
Test.toUpperCaseBitwise    g  avgt   30  1.759 ± 0.003  ns/op

第二个基准（小写）：

@State(Scope.Benchmark)
@BenchmarkMode(Mode.AverageTime)
@OutputTimeUnit(TimeUnit.NANOSECONDS)
@Warmup(iterations = 5, time = 500, timeUnit = TimeUnit.MILLISECONDS)
@Measurement(iterations = 10, time = 500, timeUnit = TimeUnit.MILLISECONDS)
@Fork(3)
public class Test {

    @Param({"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"})
    public char c;

    @Benchmark
    public char toLowerCaseNormal() {
        return Character.toUpperCase(c);
    }

    @Benchmark
    public char toLowerCaseBitwise() {
        return (char) (c | 32);
    }
}

输出：

Benchmark                (c)  Mode  Cnt  Score   Error  Units
Test.toLowerCaseNormal     A  avgt   30  2.084 ± 0.007  ns/op
Test.toLowerCaseNormal     B  avgt   30  2.079 ± 0.006  ns/op
Test.toLowerCaseNormal     C  avgt   30  2.081 ± 0.005  ns/op
Test.toLowerCaseNormal     D  avgt   30  2.083 ± 0.010  ns/op
Test.toLowerCaseNormal     E  avgt   30  2.080 ± 0.005  ns/op
Test.toLowerCaseNormal     F  avgt   30  2.091 ± 0.020  ns/op
Test.toLowerCaseNormal     G  avgt   30  2.116 ± 0.061  ns/op

Test.toLowerCaseBitwise    A  avgt   30  1.708 ± 0.006  ns/op
Test.toLowerCaseBitwise    B  avgt   30  1.705 ± 0.018  ns/op
Test.toLowerCaseBitwise    C  avgt   30  1.721 ± 0.022  ns/op
Test.toLowerCaseBitwise    D  avgt   30  1.718 ± 0.010  ns/op
Test.toLowerCaseBitwise    E  avgt   30  1.706 ± 0.009  ns/op
Test.toLowerCaseBitwise    F  avgt   30  1.704 ± 0.004  ns/op
Test.toLowerCaseBitwise    G  avgt   30  1.711 ± 0.007  ns/op

我只包含了几个不同的字母（尽管所有字母都经过了测试），因为它们都有相似的输出。

很明显，您的按位方法更快，主要是因为 Character#toUpperCase 和 Character#toLowerCase 执行逻辑检查（正如我今天早些时候在评论中提到的那样）。