如何高效移除字符串中的空白字符

最新推荐文章于 2023-11-22 17:44:59 发布

0TK0

最新推荐文章于 2023-11-22 17:44:59 发布

阅读量1.6k

点赞数

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：

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：

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：

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

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。

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：

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：

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;

}