String.replaceAll 比自己完成工作要慢得多

Posted 2023-02-26

【中文标题】String.replaceAll 比自己完成工作要慢得多

【英文标题】：String.replaceAll is considerably slower than doing the job yourself

【发布时间】：2011-09-09 21:10:33

【问题描述】：

我有一段旧代码可以在字符串中查找和替换标记。

它接收from 和to 对的映射，遍历它们并针对每一对，遍历目标字符串，使用indexOf() 查找from，并将其替换为值的to。它在StringBuffer 上完成所有工作并最终返回String。

我用这一行替换了该代码：replaceAll("[,. ]*", ""); 我还进行了一些比较性能测试。 在比较 1,000,000 迭代时，我得到了：

旧代码：1287ms 新代码：4605ms

3 倍！

然后我尝试将其替换为 3 次调用 replace:replace(",", "");replace(".", "");replace(" ", "");

结果如下：

旧代码：1295 新代码：3524

2 倍！

知道为什么replace 和replaceAll 效率这么低吗？我可以做点什么让它更快吗？

---

编辑：感谢所有答案 - 主要问题确实是 [,. ]* 没有做我想做的事。将其更改为 [,. ]+ 几乎等于非基于正则表达式的解决方案的性能。 使用预编译的正则表达式会有所帮助，但效果不佳。 （这是一个非常适用于我的问题的解决方案。

测试代码：Replace string with Regex: [,. ]*Replace string with Regex: [,. ]+Replace string with Regex: [,. ]+ and Pre-Compiled Pattern

【问题讨论】：

哦，正则表达式的乐趣...

【参考方案1】：

虽然使用正则表达式会带来一些性能影响，但应该没有那么糟糕。

请注意，使用String.replaceAll() 将编译正则表达式每次您调用它。

您可以通过显式使用Pattern 对象来避免这种情况：

Pattern p = Pattern.compile("[,. ]+");

// repeat only the following part:
String output = p.matcher(input).replaceAll("");

另请注意，使用+ 代替* 可以避免替换空字符串，因此也可能加快处理速度。

【讨论】：

@Lukas：它不会改变 what 已完成（在这种情况下，替换是空字符串）。它可能会改变性能特征，但我不知道省略+ 是更快还是更慢。

@Joachim，有趣的是，通过对您的解决方案进行简单的基准测试，[]+ 似乎最快 (1x)，[] 在中间 (1.5x)，[]* 最慢 ( 2x)。

这个答案假设他收到的地图被一遍又一遍地重复使用。

@Joachim, []* 匹配空字符串“”。因此，对于每个字符，都会找到匹配的 "" 并替换为 ""。这会导致它变慢。您可以通过执行 ....replaceAll("$$$$") 并观察输出来测试它。

@SJuan76：我很清楚这一点（我已经在回答中解释过）。我唯一不知道的是replaceAll("[,. ]+", "") 会比replaceAll("[,. ]", "") 慢还是快。

【参考方案2】：

replace 和 replaceAll 在内部使用 regex，与 StringUtils.replace(..) 相比，在大多数情况下会给出严重的 performance impact。

String.replaceAll():

public String replaceAll(String regex, String replacement) 
        return Pattern.compile(regex).matcher(this ).replaceAll(
             replacement);

String.replace() 在下面使用 Pattern.compile。

public String replace(CharSequence target, CharSequence replacement) 
  return Pattern.compile(target.toString(), Pattern.LITERAL)
         .matcher(this ).replaceAll(
           Matcher.quoteReplacement(replacement.toString()));

另见Replace all occurrences of substring in a string - which is more efficient in Java?

【讨论】：

replace() 不使用正则表达式。

@Adeel，String.replace(char, char) 没有。 String.replace(CharSequence, CharSequence) 确实如此。

@Lukas：这些都没有。顺便说一句，replace(char, char) 毫无疑问，因为它不能使用正则表达式，而且 OP 从未使用过它。

@Lukas String.replace(CharSequence, CharSequence) 使用编译模式，是的，但未针对正则表达式编译。

@Johan 是的，这也是一首儿歌的前三个字。 （这也无关紧要）

【参考方案3】：

正如我发表的评论 [,. ]* 匹配空字符串“”。因此，字符之间的每个“空格”都与模式匹配。仅在性能上注明，因为您将很多“”替换为“”。

尝试这样做：

Pattern p = Pattern.compile("[,. ]*");
System.out.println(p.matcher("Hello World").replaceAll("$$$");

返回：

H$$$e$$$l$$$o$$$$$$W$$$o$$$r$$$l$$$d$$$!$$$

难怪“手动”操作会更慢！您应该尝试使用 [,. ]+

【讨论】：

谢谢 - 这解释了为什么它如此努力地执行替换

【参考方案4】：

对于replaceAll("[,. ]*", "")，这并不奇怪，因为它依赖于正则表达式。正则表达式引擎创建一个自动机，它在输入上运行。预计会有一些开销。

第二种方法（replace(",", "")...）也在内部使用正则表达式。然而，这里给定的模式是使用Pattern.LITERAL 编译的，因此正则表达式的开销应该可以忽略不计。）在这种情况下，可能是因为Strings 是不可变的（无论你做了多么小的更改，你都会创建一个新字符串)，因此不如就地操作字符串的StringBuffers 高效。

【讨论】：

@aiiobe: String.replace(CharSequence, CharSequence) 内部使用正则表达式...

是的，但是Pattern.LITERAL 实际上会关闭所有正则表达式开销。

但这恰恰意味着它没有，你只能将一个正则表达式传递给它，但它不会按预期工作，我想。

不过，LITERAL 模式的编译应该不会太复杂吧？ ;-)