如何将字符串拆分为字符串流？

Posted 2023-02-26

技术标签:

【中文标题】如何将字符串拆分为字符串流？【英文标题】：How to split a String into a Stream of Strings? 【发布时间】：2017-04-17 09:35:54 【问题描述】：

将字符串拆分为流的最佳方法是什么？

我看到了这些变化：

Arrays.stream("b,l,a".split(","))

Stream.of("b,l,a".split(","))

Pattern.compile(",").splitAsStream("b,l,a")

我的优先事项是：

稳健性可读性性能

一个完整的、可编译的example：

import java.util.Arrays;
import java.util.regex.Pattern;
import java.util.stream.Stream;

public class HelloWorld 

    public static void main(String[] args) 
        stream1().forEach(System.out::println);
        stream2().forEach(System.out::println);
        stream3().forEach(System.out::println);
    

    private static Stream<String> stream1() 
        return Arrays.stream("b,l,a".split(","));
    

    private static Stream<String> stream2() 
        return Stream.of("b,l,a".split(","));
    

    private static Stream<String> stream3() 
        return Pattern.compile(",").splitAsStream("b,l,a");

【问题讨论】：

您是否认为差异如此之大以至于花时间思考“最佳”方式是有意义的，或者您是否认为这是您程序中的性能热点，至少在某种程度上是合理的试图找到“最好”的方式？请注意，Stream.of() 将在内部调用Arrays.stream()，因此显然这不是“最好的”。恕我直言，最后一个是最好的。没有嵌套的括号，清楚的是它是关于正则表达式的，它不会创建所有段的中间列表或数组。但这只是我的看法。我认为我们不能特别判断他想知道这些信息的原因。虽然最好是一种意见，但您的意思是最快的吗？ @Prospero OP 清楚地说明了他在寻找什么：稳健性、可读性和性能。 【参考方案1】：

`Arrays.stream`/`String.split`

由于String.split 返回一个数组String[]，我总是推荐Arrays.stream 作为通过数组流式传输的规范习语。

String input = "dog,cat,bird";
Stream<String> stream = Arrays.stream(input.split( "," ));
stream.forEach(System.out::println);

`Stream.of`/`String.split`

Stream.of 是一个 varargs 方法，它恰好接受一个数组，因为 varargs 方法是通过数组实现的，并且在将 varargs 引入 Java 和现有方法时存在兼容性问题改装以接受可变参数。

Stream<String> stream = Stream.of(input.split(","));     // works, but is non-idiomatic
Stream<String> stream = Stream.of("dog", "cat", "bird"); // intended use case

`Pattern.splitAsStream`

Pattern.compile(",").splitAsStream(string) 具有直接流式传输而不是创建中间数组的优势。因此，对于大量子字符串，这可以带来性能优势。另一方面，如果分隔符是微不足道的，即单个文字字符，String.split 实现将通过快速路径而不是使用正则表达式引擎。所以在这种情况下，答案并不简单。

Stream<String> stream = Pattern.compile(",").splitAsStream(input);

如果流发生在另一个流中，例如.flatMap(Pattern.compile(pattern) ::splitAsStream) 的优点是模式只需分析一次，而不是针对外部流的每个字符串。

Stream<String> stream = Stream.of("a,b", "c,d,e", "f", "g,h,i,j")
    .flatMap(Pattern.compile(",")::splitAsStream);

这是expression::name 形式的方法引用的一个属性，它将在创建函数接口的实例时评估表达式并捕获结果，如What is the equivalent lambda expression for System.out::println 和java.lang.NullPointerException is thrown using a method-reference but not a lambda expression 中所述

【讨论】：

.flatMap(Pattern.compile(pattern) 为什么模式只分析一次？有缓存吗？如果是，这是否写在某个地方的文档中？ @Roland：这是expression::name 形式的方法引用的一个属性，表达式将被评估并由创建的函数实例捕获结果。对于Pattern.compile(pattern)::splitAsStream，表达式为Pattern.compile(pattern)。这与例如(string) -> Pattern.compile(pattern).splitAsStream(string) 将重新评估每个函数评估的模式。见here 和here… @Benj 问题在于它甚至调用了subSequence(…).toString()，因此使用不同的CharSequence 实现（即非复制CharBuffer.wrap(string)）只会将复制推迟到后续的@987654357 @ 称呼。但是对于标记化，无论如何，您宁愿想要 Java 9 的 Matcher.results() 或 Scanner.findAll(…)，所以请考虑 this answer 的后向端口。由于MatchResult 提供了start() 和end()，因此您可以在其之上构建无副本操作。 @Benj 您还可以考虑this answer 的后半部分，其中包含标记化的代码示例，它为每个唯一标记只创建一个String 实例，这大大减少了时间和内存占用在解析出现大量常见关键字的内容时。看来 Guava 的 Splitter 有一个有趣的方法，我或多或少地偶然发现了这个。【参考方案2】：

关于 (1) 和 (2) 应该没有太大区别，因为您的代码几乎相同。关于（3），这在内存（不一定是 CPU）方面会更有效，但在我看来，阅读起来有点困难。

【讨论】：

【参考方案3】：