确定字符串是否以一组标记中的标记开头的更有效方法？

Question

我目前在我正在处理的一些代码中做这样的事情：

public CommandType GetCommandTypeFromCommandString(String command)
{
   if(command.StartsWith(CommandConstants.Acknowledge))
      return CommandType.Acknowledge;
   else if (command.StartsWith(CommandConstants.Status))
      return CommandType.Status;
   else if (command.StartsWith(CommandConstants.Echo))
      return CommandType.Echo;
   else if (command.StartsWith(CommandConstants.Warning))
     return CommandType.Warning;
     // and so on

   return CommandType.None;
}

我想知道在 C# 中是否有更有效的方法来执行此操作。这段代码需要每秒执行很多次，我对完成所有这些字符串比较所花费的时间不太满意。有什么建议么？ :)

Answer 1

一种优化是使用 StringComparison 枚举来指定您只需要序数比较。像这样：

if(command.StartsWith(CommandConstants.Acknowledge, StringComparison.Ordinal))
    return CommandType.Acknowledge;

如果您不指定字符串比较方法，则将使用当前文化进行比较，这会减慢速度。

我做了一些（真的很天真）基准测试：

var a = "foo bar foo";
var b = "foo";

int numTimes = 1000000;

Benchmark.Time(() => a.StartsWith(b, StringComparison.Ordinal), "ordinal", numTimes);
Benchmark.Time(() => a.StartsWith(b), "culture sensitive", numTimes);

产生了以下结果：

ordinal 在 35.6033 毫秒内运行了 1000000 次 文化敏感在 175.5859 毫秒内运行 1000000 次

您还应该对比较进行排序，以便首先比较最可能的标记（快乐路径）。

这些优化是使您当前的实现性能更好的简单方法，但如果性能真的很关键（我的意思是非常关键），您应该考虑实现某种状态机。

Answer 2

在概念上类似于 Vojislav 的 FSM 答案，您可以尝试将常量放入 trie。然后，您可以将比较序列替换为对 trie 的一次遍历。

here 描述了一个 C# trie 实现。

Answer 3

这是一项相当多的工作，但您可以基于每个令牌构造一个FSM。 FSM 会一一接受 command 字符串中的字符；每个令牌都有一个最终状态，当命令不以任何令牌开头时，它会有一个额外的最终状态。

Answer 4

我认为使用正则表达式和字典可以做得更好：

static Regex reCommands = new Regex("^(cmd1|cmd2|cmd3|cmd4)", RegexOptions.Compiled);
static Dictionary<string, CommandType> Commands = new Dictionary<string, CommandType>();
private static InitDictionary()
{
    Commands.Add("cmd1", cmdType1);
    Commands.Add("cmd2", cmdType2);
    Commands.Add("cmd3", cmdType3);
    Commands.Add("cmd4", cmdType4);
}
public CommandType GetCommandTypeFromCommandString(String command)
{
    Match m = reCommands.Match(command);
    if (m.Success)
    {
        return Commands[m.Groups[1].Value];
    }
    return CommandType.None; // no command
}

Answer 5

我认为你应该追求更多的可读性而不是担心效率。这些操作非常快。我第二个 Serge，这部分代码不太可能是瓶颈。我会这样做：

public CommandType GetCommandTypeFromCommandString(String command)
{
   for(String currentCommand : allCommands) {
       if(command.StartsWith(currentCommand))
           return currentCommand;
   }
   return CommandType.None;
}

编辑： 作为事后的想法，如果您知道哪些命令最常使用，您可以对数组进行排序，以便这些命令位于开头...如果您保留它们，也可以使用 if 语句来执行此操作。

Answer 6

编辑：鉴于对 StopWatch 的警告之一的误解，我的原始答案不表现得不如 StartsWith 与 StringComparison.Ordinal 结合使用。即使您使用所有正确的选项编译正则表达式，它也会稍微慢一些，其性能与使用没有任何 StringComparison 设置的 StartsWith 相当。但是，正则表达式路由 确实 为您提供了更多的灵活性来匹配模式，而 StartsWith 没有，所以我把我原来的答案留给后代......

原答案：

我不得不承认，我不确定您到底在寻找什么 - 但是，在我看来，这种代码通常会解析一些描述的日志文件，以提取有用的信息。为了节省您长时间进行所有字符串比较，您可以生成枚举中值的正则表达式，然后使用匹配项解析正确的枚举项：

public enum CommandType
{
    Acknowledge,
    Status,
    Echo,
    Warning
}
static public CommandType? GetCommandTypeFromString(String command)
{
    var CommandTypes = String.Join("|", Enum.GetNames(typeof(CommandType)));
    var PassedConstant = Regex.Match(command, String.Format("(?i:^({0}))", CommandTypes)).Value;
    if (PassedConstant != String.Empty)
        return (CommandType)Enum.Parse(typeof(CommandType), PassedConstant, true);
    return null;
}

static void Main(string[] args)
{
    Console.WriteLine(GetCommandTypeFromString("Acknowledge that I am great!").ToString());
}

这会从我的字符串的开头提取 CommandType.Acknowledge，但前提是它存在于字符串的开头......它也会提取其他正确的 CommandType。

对接受的答案进行类似的基准测试，我的性能提高了大约 40%。我在 10421 毫秒内运行了超过一百万次迭代，但我的代码只用了 6459 毫秒。

当然，虽然您使用的 if 语句可能看起来不像您希望的那样高效，但它仍然比使用正则表达式更容易阅读...

Answer 7

创建一个

IDictionary<string,CommandType> 

并用值填充它。

您无需比较所有内容...只需在表格中查找即可。

您还需要更好地定义命令语法。例如，命令和行的其余部分之间需要一个空格...

Answer 8

“很多很多”是多少次？我严重怀疑这部分代码是瓶颈。假设它们都是不同的，您可能可以使用基于每个命令的第一个字母的 switch 语句对其进行一点点优化。

不过话说回来，它真的有用吗？我不会赌太多。

Answer 9

我做了类似扩展方法的事情：

public static bool StartsWith(this string s, params string[] candidate)
{
    string match = candidate.FirstOrDefault(t => s.StartsWith(t));
    return match != default(string);
}

现在这只是一个谓词，它返回数组中的字符串是否以给定字符串开头，但您可以对其进行一些修改：

public static int PrefixIndex(this string s, params string[] candidate)
{
    int index = -1;
    string match = candidate.FirstOrDefault(t => { index++; return s.StartsWith(t); });
    return match == default(string) ? -1 : index;
}

在使用中它会是：

int index = command.PrefixIndex(tokenStrings);

if (index >= 0) {
    // convert to your enum
}

在评论中，我看到您想在 1/40 秒内进行 30 次字符串比较。我的朋友，你应该可以在 1 MHz 的机器上做到这一点。在 1/40 秒内进行数千次字符串比较应该不费吹灰之力。

Answer 10

trie 几乎可以肯定是最快的方法。如果前缀长度相同，您可以通过对前缀进行散列以获取数组索引来提出更快的实现，但如果您不知道要散列多少字节，则该方法会失败。

Answer 11

注意：我不是在演示使用异常处理来控制程序流。如果 Enum 的字符串名称不存在，Enum.Parse 将引发异常。 Catch 子句只返回 None 的默认 CommandType，就像提问者的示例代码一样。

如果对象只是返回给定字符串名称的实际 Enum 对象，你不能使用：

try
{
    return (CommandType)Enum.Parse(typeof(CommandType), strCmdName, true);
}
catch (Exception)
{
    return CommandType.None;
}