Question

我必须编写某种解析器来获取String并用其他字符替换某些字符集。代码如下所示：

noHTMLString = noHTMLString.replaceAll("</p>", "\n");
noHTMLString = noHTMLString.replaceAll("<br/>", "\n\n");
noHTMLString = noHTMLString.replaceAll("<br />", "\n\n");
//here goes A LOT of lines like these ones

该函数非常长并且执行许多字符串替换。这里的问题是它需要花费很多时间，因为它被称为很多次的方法，从而降低了应用程序的性能。

我已经阅读了一些关于使用StringBuilder作为替代方案的线程，但它缺少ReplaceAll方法，并且正如此处Does string.replaceAll() performance suffer from string immutability?所述，String类中的replaceAll方法与

一起使用

匹配模式＆amp; Matcher和Matcher.replaceAll（）使用StringBuilder存储最终返回的值所以我不知道切换到StringBuilder是否会真正减少执行替换的时间。

您是否知道以快速方式快速完成大量字符串替换？你对这个问题有什么建议吗？

感谢。

编辑：我必须创建一个包含html文本字段的报表。对于每一行，我正在调用替换这些字符串中的所有html标记和特殊字符的方法。使用完整报告，解析所有文本需要3分钟以上。问题是我必须经常调用该方法

Answer 1

如果你不想打扰StringBuffer，我发现org.apache.commons.lang.StringUtils是最快的。

您可以这样使用它：
noHTMLString = StringUtils.replace(noHTMLString, "</p>", "\n");

我做了性能测试，它比我自定义的StrinBuffer解决方案更糟糕，类似于@extraneon提出的解决方案。

Answer 2

看起来你在那里解析HTML，你有没有使用3rd party library而不是重新发明轮子？

Answer 3

我同意Martijn使用现成的解决方案而不是自己解析它 - 在javax.xml包中有很多内置于Java中的东西。一个简洁的解决方案是使用XSLT转换来替换，这看起来像是一个理想的用例。但是，它很复杂。

要回答这个问题，您是否考虑过使用regular expression libraries？看起来你想要匹配许多不同的东西，并用相同的东西（\ n或空字符串）替换。使用正则表达式，您可以使用"<br>|<br/>|<br />"之类的表达式，或者更像<br.*?>"这样的聪明表达式来创建匹配器对象，您可以在其上调用replaceAll。

Answer 4

我完全同意Martijn的观点。为工作选择合适的工具。

如果您的文件不是HTML，但只包含一些HTML令牌，则有几种方法可以加快速度。

首先，如果某些输入量不包含可替换元素，请考虑从以下内容开始：

if (!input.contains('<')) {
    return input;
}

其次，考虑正则表达式：

Pattern p = Pattern.compile( your_regex );

不要为每一个replaceAll行创建一个模式，而是尝试将它们组合在一起（regex有一个OR运算符）并让Pattern优化正则表达式。使用编译的模式并且不在每次调用中编译它，它相当昂贵。

如果regex有点复杂，你也可以自己实现一些更快（但可能不太可读）的替换引擎：

StringBuilder result = new StringBuilder(input.length();
for (int i=0; i < input.length(); i++) {
  char c = input.charAt(i);

  if ( c != '<' ) {
    continue;
  }

  int closePos = input.indexOf( '>', i);
  if (closePos == -1) {// not found
    result.append( input.substring(i, input.length());
    return result.toString();
  }
  i = closePos;
  String token = input.substring(i, closePos);
  if ( token.equals( "p/" ) {
    result.append("\\n");
  } else if (token.equals(...)) {
  } else if (...) {
  } 
}
return result.toString();

这可能有一些错误:)

优点是你必须只迭代输入一次。最大的缺点是它并不容易理解。你也可以编写一个状态机，分析每个字符应该是什么新状态，这可能会更快，甚至更多的工作。

在Java中执行大量字符串替换的最快方法

4 个答案: