正则表达式与子字符串答案

【问题标题】：regex vs substring正则表达式与子字符串
【发布时间】：2015-07-13 22:48:40
【问题描述】：

我有一个非常短的 xml 字符串从另一个应用程序传递给我的应用程序，我只对提取“级别”标签之间的内容感兴趣。这两者之间哪个解决方案更好：

String xmlString = 
"<type>
<perm>
<date>99999999</date>
<level>admin</level>
</perm>
</type>";

String level = xmlString.substring(xmlString.indexOf("<level>") + "<level>".length(),
                            xmlString.indexOf("</level>"));

或

 Pattern p1 = Pattern.compile("<level>(\\S+)</level>");
 Matcher m = p1.matcher(xmlString);
 if (m.find()) {
   String level = m.group(1);
 }

【问题讨论】：

最佳解决方案是第三个：使用 XML 解析器。
这不是一个真正的 xml 文件，没有经过验证，没有 doctype...而且由于我无法控制它，我宁愿将其视为字符串...。Xpath 用于由于这个错误，会导致“prolog 中不允许的内容”和“SAX：解析时可能无法调用解析”错误：bugs.openjdk.java.net/browse/JDK-8047329

标签： regex xml-parsing substring

【解决方案1】：

您是否尝试过自己对此进行基准测试？从我读过的内容看来，您通常想先使用正则表达式，如果无法优化，请尝试使用子字符串。但是我有点困惑，为什么您不使用 XmlObject.factory 之类的东西来处理您的 XML 解析。 https://xmlbeans.apache.org/docs/2.0.0/reference/org/apache/xmlbeans/XmlObject.Factory.html

【讨论】：

如果由我决定，这个字符串将是一个对象而不是 xml，但由于它不是经过验证的 xml，我只需要阅读其中的一行，我宁愿将其视为字符串，特别是因为将其解析为 xml 会导致大量问题和并发问题。我用多线程测试了这两种方法，子字符串方法比正则表达式略快，但两者都比用 Xpath 工厂解析要快得多，这在过去被证明是不可靠的。
如果它对你表现最好，我会选择子字符串。对我来说，它似乎比正则表达式更容易维护，所以它是两全其美的。