【问题标题】:Fastest way to check a string is alphanumeric in Java [closed]检查字符串的最快方法是Java中的字母数字[关闭]
【发布时间】:2012-10-01 15:42:55
【问题描述】:

检查字符串是否仅包含字母数字字符的最快方法是什么。

我有一些代码会占用大量 CPU,我想知道是否有比使用预编译正则表达式更快的方法。

【问题讨论】:

  • 过早优化?基准?分析?
  • @StephenC 没有可显示的代码,我在问最好的方法是什么。
  • @JimGarrison 有些人确实有过早优化的倾向,所以提出这个问题很好。
  • Character.isLetterOrDigit()

标签: java performance


【解决方案1】:

使用String.matches(),比如:

String myString = "qwerty123456";
System.out.println(myString.matches("[A-Za-z0-9]+"));

这可能不是绝对“最快”的方法。但总的来说,在性能方面与编写该语言“标准库”的人竞争并没有多大意义。

【讨论】:

  • 是的。 C# 对此有一个标准函数。 Java 似乎没有。
  • 但是有一点。当您在循环中执行代码数百万次并且可以使其运行速度提高 5 倍时,它会对您的消息处理时间产生重大影响,进而影响您可能需要多少台服务器来处理消息。
  • 我认为这是夸大其词。充其量你正在使代码的一个小方面快 5 倍。这可能是值得的,iff 你的表现实际上受到了这方面的限制。很可能不是。例如,如果您的消息处理管道的一部分涉及写入数据库或文件系统或进行任何网络通信,这可能是您的限制因素。在现实世界中,将正则表达式检查速度提高 5 倍实际上会使应用程序速度提高 5 倍(或接近 5 倍)的实际案例并不多。代价是可读性、灵活性和可扩展性较低。
  • ...重要的是优化何时何地有意义,是的。然而,对于大多数实际应用程序来说,大多数时候“我通过用固定/静态循环替换内置的、可配置的、基于正则表达式的函数来提高速度”并不是一个明智的优化。
  • 是的,但你不知道代码使用的上下文,所以你无法判断。在这个特定的例子中,我使用这段代码来加速处理千兆字节日志文件的脚本,将任务缩短了 10 分钟左右。
【解决方案2】:

我已经编写了比较使用正则表达式(根据其他答案)与不使用正则表达式的测试。在运行 Java 1.6 的四核 OSX10.8 机器上进行的测试

有趣的是,使用正则表达式比手动迭代字符串要慢 5-10 倍。此外,isAlphanumeric2() 函数比isAlphanumeric() 稍快。一种支持允许扩展 Unicode 数字的情况,另一种支持仅允许标准 ASCII 数字的情况。

public class QuickTest extends TestCase {

    private final int reps = 1000000;

    public void testRegexp() {
        for(int i = 0; i < reps; i++)
            ("ab4r3rgf"+i).matches("[a-zA-Z0-9]");
    }

public void testIsAlphanumeric() {
    for(int i = 0; i < reps; i++)
        isAlphanumeric("ab4r3rgf"+i);
}

public void testIsAlphanumeric2() {
    for(int i = 0; i < reps; i++)
        isAlphanumeric2("ab4r3rgf"+i);
}

    public boolean isAlphanumeric(String str) {
        for (int i=0; i<str.length(); i++) {
            char c = str.charAt(i);
            if (!Character.isLetterOrDigit(c))
                return false;
        }

        return true;
    }

    public boolean isAlphanumeric2(String str) {
        for (int i=0; i<str.length(); i++) {
            char c = str.charAt(i);
            if (c < 0x30 || (c >= 0x3a && c <= 0x40) || (c > 0x5a && c <= 0x60) || c > 0x7a)
                return false;
        }
        return true;
    }

}

【讨论】:

  • 或许值得一提的是,Character.isLetter 和 Character.isDigit 也接受不在 a-z、A-Z、0-9 中的字符。例如isDigit 接受来自Unicode 类别Nd 的所有字符:fileformat.info/info/unicode/category/Nd/list.htm
  • 是的,这是两个最快选项之间的主要区别。在两者之间做出决定将取决于用户的要求。但无论哪种方式,它们都比正则表达式快得多。 (理论上,这在较新版本的 java 中可能会有所不同,但我对此表示怀疑。)
【解决方案3】:

正则表达式可能会非常有效,因为您可以指定范围:[0-9a-zA-Z]。假设正则表达式的实现代码是有效的,这将只需要对每个范围进行上限和下限比较。这基本上是编译的正则表达式应该做的:

boolean isAlphanumeric(String str) {
    for (int i=0; i<str.length(); i++) {
        char c = str.charAt(i);
        if (c < 0x30 || (c >= 0x3a && c <= 0x40) || (c > 0x5a && c <= 0x60) || c > 0x7a)
            return false;
    }

    return true;
}

我看不出你的代码怎么能比这更有效,因为每个字符都需要检查,而且比较真的再简单不过了。

【讨论】:

  • 它可能会在这个和String.matches()之间。我有点希望有人以前做过。看起来我将不得不自己编写测试(:
  • 一切看用途。没有为所有字符串匹配场景创建完美算法的标准方法。正则表达式可能在很大程度上发挥了作用,但仅仅因为它看起来很复杂和书呆子,并不能使它更有效率。对于每秒 100 次以上的迭代,我肯定会考虑定制算法。
猜你喜欢
  • 1970-01-01
  • 1970-01-01
  • 1970-01-01
  • 2017-05-19
  • 2012-12-27
  • 1970-01-01
  • 2018-05-04
  • 1970-01-01
相关资源
最近更新 更多