写程序很难之去除字符串的空白字符

xiaoxiao2021-03-26 12

在做性能调优时，用JProfiler测试Web应用的性能，发现有个replaceBlank函数占用了10%的CPU时间，进去看了下，是个简单的用正则去除XML文档里空白字符串的功能。但是这个简单功能却消耗了10%的性能。

在Web应用里，去掉空白字符串，似乎是个简单的功能，但是真正写起来，却也有些麻烦事。总结下。

方式一：正则表达式

http://stackoverflow.com/questions/5455794/removing-whitespace-from-strings-in-java

有两种写法：

1 2 s.replaceAll( "\\s+" , "" ); s.replaceAll( "\\s" , "" );

至于具体哪一种比较好，和具体的场景有有关。有连续空白字符串的选择每一种，如果是空白字符串都只有一个的话，就选择第二种。个人倾向于第一种。

正则表达式是比较慢的，比下面的方法要慢3到4倍以上。

方式二：org.springframework.util.StringUtils.trimAllWhitespace

具体的实现代码如下：

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 public static String trimAllWhitespace(String str) { if (!hasLength(str)) { return str; } StringBuilder sb = new StringBuilder(str); int index = 0 ; while (sb.length() > index) { if (Character.isWhitespace(sb.charAt(index))) { sb.deleteCharAt(index); } else { index++; } } return sb.toString(); }

看起来，没有什么问题，但是程序员的直觉：deleteCharAt函数是怎么实现的？应该不会有什么高效的算法可以实现这样的。

果然，实现代码如下：

1 2 3 4 5 6 7 public AbstractStringBuilder deleteCharAt( int index) { if ((index < 0 ) || (index >= count)) throw new StringIndexOutOfBoundsException(index); System.arraycopy(value, index+ 1 , value, index, count-index- 1 ); count--; return this ; }

显然，过多地调用System.arraycopy会有性能问题。

方式三：改为调用StringBuilder.append 函数

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 static public String myTrimAllWhitespace(String str) { if (str != null ) { int len = str.length(); if (len > 0 ) { StringBuilder sb = new StringBuilder(len); for ( int i = 0 ; i < len; ++i) { char c = str.charAt(i); if (!Character.isWhitespace(c)) { sb.append(c); } } return sb.toString(); } } return str; }

这个是最开始的思路。实际测试了下，发现大部分情况上，要比方式二效率高。

但是在某些情况，比如”aaaaaaaaaaaaaaaaaaaaaaaaaaaaaaa aaaaaaaaaaaaaaaaaaaa”，这种只有一个空白字符的，效率要慢。

方式四：结合二，三，只用System.arraycopy复制部分内存

第二种方式，在调用deleteAt时，要整个拷贝后面的所有字符串，显然在字符串很长的情况下，效率会降低。于是考虑只复制部分内存。

用两种pos来标记哪一部分是连续的非空白字符串。

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 static public String myTrimAllWhitespace3(String str) { if (str != null ) { int len = str.length(); if (len > 0 ) { char [] src = str.toCharArray(); char [] dest = new char [src.length]; int destPos = 0 ; for ( int pos1 = 0 , pos2 = 0 ; pos2 < src.length;) { if (Character.isWhitespace(src[pos2])) { if (pos1 == pos2) { pos1++; pos2++; } else { System.arraycopy(src, pos1, dest, destPos, pos2 - pos1); destPos += (pos2 - pos1); pos2++; pos1 = pos2; } } else { pos2++; } if (pos2 == src.length) { if (pos1 != pos2) { System.arraycopy(src, pos1, dest, destPos, pos2 - pos1); destPos += (pos2 - pos1); } return new String(dest, 0 , destPos); } } } } return str; }

方式五：去掉StringBuilder，直接操作char[]

在写完方式四，之后，测试发现效率在中间，和方式二，三相比，不好也不坏。似乎找到了一个平衡点。

但是忽然想到，既然在方式四中不直接操作char[]数组，为何不在方式二也这么做？于是有了：

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 static public String myTrimAllWhitespace2(String str) { if (str != null ) { int len = str.length(); if (len > 0 ) { char [] dest = new char [len]; int destPos = 0 ; for ( int i = 0 ; i < len; ++i) { char c = str.charAt(i); if (!Character.isWhitespace(c)) { dest[destPos++] = c; } } return new String(dest, 0 , destPos); } } return str; }

第六点：Unicode

上面的几种方式都只能处理大部分的情况，对于部分Unicode字符串，可能会有问题。

因为本人对这个比较敏感，最后写了个Unicode字符的处理：

这个处理Unicode的非常慢。。Java的String类并没有暴露足够多的函数来处理Unicode，所以处理起来很蛋疼。

总结：

测试代码在：

https://gist.github.com/hengyunabc/a4651e90db24cc5ed29a

我的电脑上测试最快的代码是方式五里的。

可能在某些特殊情况下，方式四中用System.arraycopy来复制标记两段内存会快点，但这个算法太复杂了，得不偿失。

本人倾向于符合直觉，而且效率线性的算法。

给spring提了个path，一开始是方式三的代码，但是在某些情况下效率不高，导致周末心神不宁。。于是就有了后面的几种方式。

一个简单的功能，直正实现起来却也不容易，所以我尽量避免写Util类和方式，因为保证代码的质量，性能，不是一件容易的事。

https://github.com/spring-projects/spring-framework/pull/562

原文出处： hengyunabc

from: http://www.importnew.com/22956.html

转载请注明原文地址: https://ju.6miu.com/read-450095.html

技术

最新回复(0)