Question

我当前的项目处理大量传入的无线电消息（每天约5M），表示为字符串，然后必须将其分成预定大小的块，准备存储。

例如，消息将采用以下格式：

mzIIIICCssss

每个不同的char代表一个块，所以这个例子包含5个块（m，z，IIII，CC，ssss）。

使用该格式的消息示例可以是：

.91234NE0001（。，9,1234，NE，0001）

到目前为止，我已经使用过substring，但有人告诉我这不像正则表达式那样有效。如果是这种情况，我如何使用regex匹配char位置而不是语义模式？

Answer 1

Substring比正则表达式快得多。由于您要做的就是将字符串分成固定大小的块，只需使用Substring。

cHao的评论给了我另一个想法。你可以使用string(char[], int, int)构造函数，有点像这样：

string message = ".91234NE0001";
char[] messageArr = message.ToCharArray();
string chunk1 = new string(messageArr, 0, 1);
string chunk2 = new string(messageArr, 1, 1);
string chunk3 = new string(messageArr, 2, 4);
string chunk4 = new string(messageArr, 6, 2);
string chunk5 = new string(messageArr, 8, 4);

你可以给变量更好的名字：）

这是执行Substring正在做的事情的手动方式。我认为它会比Substring方法更快，但我之前想到了错误的方法。它的速度可能大致相同。

Answer 2

我认为，如果不放弃本机代码，您将能够实现最高效的是使用不安全的代码。

private static IEnumerable<string> ExtractChunksUnsafe(string format, string data)
{
    if(format.Length != data.Length)
        throw new ArgumentException("Format length must match Data length");

    if(data.Length == 0)
        throw new ArgumentException("Invalid Data length");

    char prevFormat = '\0';
    char currentFormat = format[0];

    var chunks = new List<string>();
    var builder = new StringBuilder();

    unsafe
    {
        fixed(char * indexer = data)
        {
            var index = -1;

            while(data.Length > ++index)
            {
                prevFormat = currentFormat;
                currentFormat = format[index];

                if(currentFormat != prevFormat)
                {
                    chunks.Add(builder.ToString());
                    builder.Clear();
                }

                builder.Append((*(indexer + index)));
            }

            chunks.Add(builder.ToString());
            builder.Clear();
        }
    }

    return chunks;
}

比较：

private static IEnumerable<string> ExtractChunks(string format, string data)
{
    if(format.Length != data.Length)
        throw new ArgumentException("Format length must match Data length");

    if(data.Length == 0)
        throw new ArgumentException("Invalid Data length");

    char prevFormat = '\0';
    char currentFormat = format[0];

    var prevIndex = 0;
    var index = 1;

    var message = data.ToCharArray();
    var chunks = new List<string>();

    while(data.Length > index)
    {
        prevFormat = currentFormat;
        currentFormat = format[index];

        if(currentFormat != prevFormat)
        {
            chunks.Add(new string(message, prevIndex, index - prevIndex));
            prevIndex = index;
        }

        index++;
    }

    chunks.Add(new string(message, prevIndex, index - prevIndex));

    return chunks;
}

样品：

string format = "mzIIIICCssss";
string data = ".a9876NE9001";

var chunks = ExtractChunks(format, data);

foreach(var message in chunks)
{
    Console.WriteLine(message);
}

基准：

string format = "mzIIIICCssss";
string data = ".a9876NE9001";

// Warmup CLR
ExtractChunksUnsafe(format, data);
ExtractChunks(format, data);

TimeSpan unsafeCode;
TimeSpan safeCode;

var timer = Stopwatch.StartNew();

for(int i = 0; i < 10000000; i++)
{
    ExtractChunksUnsafe(format, data);
}

unsafeCode = timer.Elapsed;
timer.Restart();

for(int i = 0; i < 10000000; i++)
{
    ExtractChunks(format, data);
}

safeCode = timer.Elapsed;
timer.Stop();


Console.WriteLine("Unsafe time {0}", unsafeCode);
Console.WriteLine("Safe time {0}", safeCode);

结果：

Unsafe time 00:00:04.8551136
Safe time 00:00:03.1786573

甚至修改不安全的身体：

unsafe
{
    fixed(char * indexer = data)
    {
        var prevIndex = 0;
        var index = 1;

        while(data.Length > index)
        {
            prevFormat = currentFormat;
            currentFormat = format[index];

            if(currentFormat != prevFormat)
            {
                chunks.Add(new string(indexer, prevIndex, index - prevIndex));
                prevIndex = index;
            }

            index++;
        }

        chunks.Add(new string(indexer, prevIndex, index - prevIndex));
    }
}

仍会导致时间较慢Unsafe time 00:00:03.4565302。

Answer 3

忽略哪个解决方案最有效的问题，这里的正则表达式与问题中给出的格式相匹配（mzIIIICCssss）

(?<m>.)(?<z>.)(?<IIII>.{4})(?<CC>.{2})(?<ssss>.{4})

这将捕获名为“m”的组中的一个字符，名为“z”的组中的下一个字符，名为“IIII”的组中的接下来的4个字符，“CC”中的下一个字符，以及下一个字符4在“ssss”中。

就性能而言，如果您现在拥有的代码速度不够快，并且通过分析它确定字符串处理是问题，那么请寻找更快的替换。

分割许多字符串的最有效方法

3 个答案: