Question

我正在编写自定义字符串拆分。它将分成一个点（.），前面没有奇数个反斜杠（\）。

«string» -> «IEnemerable<string>»
"hello.world" -> "hello", "world"
"abc\.123" -> "abc\.123"
"aoeui\\.dhtns" -> "aoeui\\","dhtns"

我想知道是否存在将重用原始字符串的子字符串（用于速度），或者是否存在可以快速执行此操作的现有拆分？

这就是我所拥有的，但是比input.Split('.') //慢2-3倍，其中input是一个字符串。（我知道这是一个（稍微复杂的问题，但不是那么多）

    public IEnumerable<string> HandMadeSplit(string input)
    {
        var Result = new LinkedList<string>();
        var word = new StringBuilder();
        foreach (var ch in input)
        {
            if (ch == '.')
            {
                Result.AddLast(word.ToString());
                word.Length = 0;
            }
            else
            {
                word.Append(ch);
            }
        }
        Result.AddLast(word.ToString());
        return Result;
    }

它现在使用List而不是LinkedList，并记录子字符串的开头和结尾，并使用string.substring创建新的子字符串。这做了很多，几乎和string.split一样快，但我添加了我的调整。（将添加代码）

Answer 1

如果您需要表现，您展示的循环是正确的方法。（正则表达式不会）。

切换到基于索引的for循环。记住比赛开始的索引。不要附加个人字符。相反，请记住要复制的字符范围，并通过每个项目Substring调用来执行此操作。

另外，请勿使用LinkedList。除了随机访问突变之外，几乎所有情况都比List慢。

您也可以从List切换到使用Array.Resize调整大小的普通数组。这会导致稍微繁琐的代码（因为您已将List类的一部分内联到您的方法中），但它会减少一些小的开销。

接下来，不要返回IEnumerable，因为在访问其项目时会强制调用者通过间接方式。返回List或数组。

Answer 2

这是我最终确定的那个。它不像string.split那么快，但足够好并且可以修改，以做我想要的。

    private IEnumerable<string> HandMadeSplit2b(string input)
    {
        //this one is margenaly better that the second best 2, but makes the resolver (its client much faster), nealy as fast as original.
        var Result = new List<string>();
        var begining = 0;
        var len = input.Length;
        for (var index=0;index<len;index++)
        {
            if (input[index] == '.')
            {
                Result.Add(input.Substring(begining,index-begining));
                begining = index+1;
            }
        }
        Result.Add(input.Substring(begining));
        return Result;
    }

Answer 3

您不应该尝试使用string.Split。

如果您需要帮助来实现它，解决此问题的一种简单方法是使用循环扫描字符串，跟踪找到符合条件的点的最后位置。当您找到新的限定点（或到达输入字符串的末尾）时，只需yield return当前子字符串。

编辑：关于返回列表或数组与使用yield

如果在您的应用程序中，最重要的是调用者在迭代子字符串上花费的时间，那么您应该填充列表或数组并返回它，如接受的问题中所建议的那样。在收集子串时我不会使用可调整大小的数组，因为这会很慢。

另一方面，如果您关心整体性能和内存，并且有时调用者不必遍历整个列表，则应使用yield return。当您使用yield return时，您的优势在于，在调用者调用MoveNext（直接或间接通过foreach）之前，根本不会执行任何代码。这意味着您可以保存用于分配阵列/列表的内存，并节省分配/调整大小/填充列表所花费的时间。你将花费时间几乎只是在寻找子串的逻辑上，这将是懒惰的，即 - 只有当实际需要时，因为调用者继续迭代子串。

快速自定义字符串拆分

3 个答案: