Question

使用Java，我有一个类，它将网页检索为字节数组。然后我需要删除一些内容（如果存在）。（该应用程序监视网页的变化，但需要从PHP创建的html中删除会话ID，并且意味着每次访问该页面时都会检测到更改。）

一些生成的字节数组可能是1000个字节长的10。它们不是这样存储的 - 存储了16字节的MD5页面。但是，它是需要处理的原始全尺寸字节数组。

（更新 - 代码不起作用。请参阅以下A.H.的评论）测试显示我的代码：

public void testSessionIDGetsRemovedFromData() throws IOException
    {

        byte[] forumContent = "<li class=\"icon-logout\"><a href=\"./ucp.php?mode=logout&amp;sid=3a4043284674572e35881e022c68fcd8\" title=\"Logout [ barry ]\" accesskey=\"x\">Logout [ barry ]</a></li>".getBytes();

        byte[] sidPattern = "&amp;sid=".getBytes();
        int sidIndex = ArrayCleaner.getPatternIndex(forumContent, sidPattern);
        assertEquals(54, sidIndex);

        // start of cleaning code
        ArrayList<Byte> forumContentList = new ArrayList<Byte>();
        forumContentList.addAll(forumContent);
        forumContentList.removeAll(Arrays.asList(sidPattern));

        byte[] forumContentCleaned = new byte[forumContentList.size()];
        for (int i = 0; i < forumContentCleaned.length; i++)
        {
            forumContentCleaned[i] = (byte)forumContentList.get(i);
        }
        //end of cleaning code

        sidIndex = ArrayCleaner.getPatternIndex(forumContentCleaned, sidPattern);
        assertEquals(-1, sidIndex);
    }

这一切都很好，但我担心清洁部分的效率。我原本希望只在数组上运行，但ArrayList有很好的内置函数来从ArrayList中删除一个集合，这正是我所需要的。所以我不得不创建一个Byte的ArrayList，因为我不能拥有原始字节的ArrayList（任何人都可以告诉我为什么？），将模式转换为删除到另一个ArrayList（我想这可能是一个ArrayList一直）传递给removeAll（）。然后我需要创建另一个byte []并将Bytes的ArrayList的每个元素转换为一个字节并将其添加到byte []。

有没有更有效的方法来做这一切？可以使用数组执行吗？

的更新 的这与使用字符串的功能相同：

    public void testSessionIDGetsRemovedFromDataUsingStrings() throws IOException
{       
    String forumContent = "<li class=\"icon-logout\"><a href=\"./ucp.php?mode=logout&amp;sid=3a4043284674572e35881e022c68fcd8\" title=\"Logout [ barry ]\" accesskey=\"x\">Logout [ barry ]</a></li>";
    String sidPattern = "&amp;sid=";

    int sidIndex = forumContent.indexOf(sidPattern);
    assertEquals(54, sidIndex);

    forumContent = forumContent.replaceAll(sidPattern, "");
    sidIndex = forumContent.indexOf(sidPattern);
    assertEquals(-1, sidIndex);
}

这是否与array / arrayList方法一样有效？

谢谢，百里

Answer 1

您可以使用List#toArray()将任何列表转换为数组。

在这个特定用例中，事情有点复杂，因为在转换列表时没有优雅的方式来自动解包（从Byte到byte）。好的'Java泛型。这是一个很好的细节...

所以我不得不创建一个Byte的ArrayList，因为我不能拥有原始字节的ArrayList（有人可以告诉我为什么吗？）

因为在Java中，泛型类型参数不能是原语。见Why can Java Collections not directly store Primitives types?

旁注：作为一种风格问题，您几乎应该始终将ArrayList类型声明为List：

List<Byte> forumContentList = new ArrayList<Byte>();

请参阅Java - declaring from Interface type instead of Class和Type List vs type ArrayList in Java。

Answer 2

一切正常，我担心清洁部分的效率......

真的？你检查了结果“字符串”了吗？在我的机器上，forumContentCleaned中的数据仍包含&sid=...数据。

那是因为

forumContentList.removeAll(Arrays.asList(sidPattern));

尝试从List<byte[]>中删除List<Byte>。这无济于事。即使您将removeAll的参数替换为包含List<Byte>字节的真实"&sid="，您也会删除每个a的所有次出现}，每个m，每个p等等。结果数据如下所示：

<l cl"con-logout">< href"./uc.h?oelogout34043284674572e35881e022c68fc8" ttle....

嗯，严格来说，&sid=部分已经消失，但我很确定这不是你想要的。

因此，退一步思考：你在这里进行字符串操作，所以使用StringBuilder，用String(forumContent)提供它并在那里进行操作。

修改

查看给定的示例输入字符串，我想，还应删除sid的值，而不仅仅是键。此代码应该在没有常规表达的情况下有效地执行：

String removeSecrets(String input){ StringBuilder sb = new StringBuilder(input); String sidStart = "&sid="; String sidEnd = "\""; int posStart = 0; while ((posStart = sb.indexOf(sidStart, posStart)) >= 0) { int posEnd = sb.indexOf(sidEnd, posStart); if (posEnd < 0) // delete as far as possible - YMMV posEnd = sb.length(); sb.delete(posStart, posEnd); } return sb.toString(); }

修改2

以下是StringBuilder和String.replaceAll之间的一个小基准：

public class ReplaceAllBenchmark { public static void main(String[] args) throws Throwable { final int N = 1000000; String input = "<li class=\"icon-logout\"><a href=\"./ucp.php?mode=logout&sid=3a4043284674572e35881e022c68fcd8\" title=\"Logout [ barry ]\" accesskey=\"x\">Logout [ barry ]</a>&sid=3a4043284674572e35881e022c68fcd8\"</li>"; stringBuilderBench(input, N); regularExpressionBench(input, N); } static void stringBuilderBench(String input, final int N) throws Throwable{ for(int run=0; run<5; ++run){ long t1 = System.nanoTime(); for(int i=0; i<N; ++i) removeSecrets(input); long t2 = System.nanoTime(); System.out.println("sb: "+(t2-t1)+"ns, "+(t2-t1)/N+"ns/call"); Thread.sleep(1000); } } static void regularExpressionBench(String input, final int N) throws Throwable{ for(int run=0; run<5; ++run){ long t1 = System.nanoTime(); for(int i=0; i<N; ++i) removeSecrets2(input); long t2 = System.nanoTime(); System.out.println("regexp: "+(t2-t1)+"ns, "+(t2-t1)/N+"ns/call"); Thread.sleep(1000); } } static String removeSecrets2(String input){ return input.replaceAll("&sid=[^\"]*\"", "\""); } }

结果：

java version "1.6.0_20" OpenJDK Runtime Environment (IcedTea6 1.9.9) (6b20-1.9.9-0ubuntu1~10.04.2) OpenJDK 64-Bit Server VM (build 19.0-b09, mixed mode) sb: 538735438ns, 538ns/call sb: 457107726ns, 457ns/call sb: 443282145ns, 443ns/call sb: 453978805ns, 453ns/call sb: 458895308ns, 458ns/call regexp: 2404818405ns, 2404ns/call regexp: 2196834572ns, 2196ns/call regexp: 2239056178ns, 2239ns/call regexp: 2164337638ns, 2164ns/call regexp: 2177091893ns, 2177ns/call

Answer 3

我不认为两个代码具有相同的功能。

第一个代码从forumContent中删除sidPattern中的所有字符。第二个代码从forumContnt中删除sidPattern字符串，可能不起作用，导致replaceAll（）接受该参数作为正则表达式模式。

你确定要删除“＆amp; sid =”而不是“＆amp; sid = 3a4043284674572e35881e022c68fcd8”吗？

无论如何，我认为String很好，List有点重。

是否有更有效的方法在ArrayList和Array之间进行转换

3 个答案: