java 字符串 变量替换字符串_Java一次（或以最有效的方式）替换字符串中的多个不同子字符串...

算法

替换匹配字符串(没有正则表达式)的最有效方法之一是使用Aho-Corasick算法和高性能Trie(发音为“try”)，快速散列算法和高效集合实现。

简单代码private String testStringUtils(

final String text, final Map definitions ) {

final String[] keys = keys( definitions );

final String[] values = values( definitions );

return StringUtils.replaceEach( text, keys, values );

}

这会减慢大文本的速度。

快速代码

Bor的 Aho-Corasick算法的实现引入了更多的复杂性，通过使用具有相同方法签名的façade成为实现细节：private String testBorAhoCorasick(

final String text, final Map definitions ) {

// Create a buffer sufficiently large that re-allocations are minimized.

final StringBuilder sb = new StringBuilder( text.length() <

final TrieBuilder builder = Trie.builder();

builder.onlyWholeWords();

builder.removeOverlaps();

final String[] keys = keys( definitions );

for( final String key : keys ) {

builder.addKeyword( key );

}

final Trie trie = builder.build();

final Collection emits = trie.parseText( text );

int prevIndex = 0;

for( final Emit emit : emits ) {

final int matchIndex = emit.getStart();

sb.append( text.substring( prevIndex, matchIndex ) );

sb.append( definitions.get( emit.getKeyword() ) );

prevIndex = emit.getEnd() + 1;

}

// Add the remainder of the string (contains no more matches).

sb.append( text.substring( prevIndex ) );

return sb.toString();

}

基准

对于基准测试，缓冲区是使用randomNumeric创建的，如下所示：private final static int TEXT_SIZE = 1000;

private final static int MATCHES_DIVISOR = 10;

private final static StringBuilder SOURCE    = new StringBuilder( randomNumeric( TEXT_SIZE ) );

在哪里MATCHES_DIVISOR指示要注入的变量数量：private void injectVariables( final Map definitions ) {

for( int i = (SOURCE.length() / MATCHES_DIVISOR) + 1; i > 0; i-- ) {

final int r = current().nextInt( 1, SOURCE.length() );

SOURCE.insert( r, randomKey( definitions ) );

}

}

基准代码本身(JMH似乎有点过分)：long duration = System.nanoTime();final String result = testBorAhoCorasick( text, definitions );duration = System.nanoTime() - duration;System.out.println( elapsed( duration ) );

1,000,000：1,000

一个简单的微基准测试，包含1,000,000个字符和1,000个随机放置的字符串。testStringUtils： 25秒，25533毫秒

testBorAhoCorasick： 0秒，68毫秒

没有比赛。

10,000：1,000

使用10,000个字符和1,000个匹配的字符串替换：testStringUtils： 1秒，1402毫秒

testBorAhoCorasick： 0秒，37毫秒

分歧关闭。

1,000：10

使用1,000个字符和10个匹配的字符串替换：testStringUtils： 0秒，7毫秒

testBorAhoCorasick： 0秒，19毫秒

对于短字符串，设置Aho-Corasick的开销会使蛮力方法黯然失色StringUtils.replaceEach。

基于文本长度的混合方法是可能的，以获得两种实现的最佳效果。

实现

考虑比较长度超过1 MB的文本的其他实现，包括：

文件

与算法有关的论文和信息：