文档章节

在C#中优化字符串操作

晨曦之光
 晨曦之光
发布于 2012/03/09 12:47
字数 2549
阅读 63
收藏 0

性能测试代码:/Files/zhuqil/PerformanceTest.zip 

     程序员通常都希望自己能的编写易读,易维护和易扩展的代码。然而,某些情况下,性能变成最重要的事情。本文提供了几个有用的窍门,来提高你常见的字符串操作的性能。

      最近,我花了很多时间去研究一个简单的代码编辑器。这个应用程序的主要特点之一是语法高亮,实现这样的功能,性能是关键。我花了很多时间来优化我的代码。在做这个项目的同时,我也学到了很多。在这里,我向大家分享一下我的经验。

      附在本文中的项目包含一个简单的基准测试应用程序,来比较下面描述的方法。

  N0.1:在字符串中搜索一个单词

      对字符串进行搜索是一件常见的任务。有几种方法可以做到这一点,下面将讨论每种方法。

1、使用正则表达式

      正则表达式是一个非常强大的,有用的,对于数据验证和字符串搜索是非常快速的 ,但是,当性能很重要,正则表达式可能成为一场噩梦,你可以做几件事,使你的代码运行得更快。

    规则#1:写一个好的正则表达式

    写一个正则表达式可能很容易,但写一个有效的正则表达式,也是一个挑战,优化正则表达式已经超出了本文的范围,有在网络上有许多讨论这一主题文章和书籍。最重要的规则是:保持简单,复杂的规则表达式,包括大量的交替,通常需要很长时间才能执行。

   规则#2:不要使用Regex类的静态方法

Regex类提供了一些静态的方法,进行基本的操作。下面的代码查找字符串变量input 是否包含变量pattern

string  input  =   " The quick brown fox jumps over the lazy dog " ;
string  pattern  =   " fox " ;  
if  (Regex.IsMatch(input, pattern)) {
  
/*  More code here...  */
}     
  

    IsMatch方法根据pattern变量中创建一个Regex对象,然后试着匹配input字符串,这个过程表现地非常缓慢,正则表达式不重复使用,这个才非常有用。

规则#3:尽可能地重复使用Regex对象

如上所述,一个正则表达式对象的创建需要一段时间,你应该避免频繁创建。在某些情况下,您可以在应用程序的启动的时候初始化一切必要的正则表达式,然后多次利用他们来处理长段的文本。这将会提高性能。

规则#4:考虑使用编译的正则表达式

   当创建一个正则表达式对象,如果你使用编译的选项,性能会更好

Regex pattern = new Regex("SomePattern", RegexOptions.Compiled);

     虽然有几个缺点,编译正则表达式增加了应用程序的启动时间,造成更多的内存使用,Jeff Atwood 写了一篇文章,讨论了编译的正则表达式优势和缺点:

     http://www.codinghorror.com/blog/archives/000228.html 

2、使用indexOf()方法

    在一个字符串内进行搜索的时候,字符串类型IndexOf方法是非常有用的。你应该知道一些东西,来有效使用此方法。

    a、尽量使用char类型

    有两个IndexOf方法重载方法,第一个参数可以是一个字符或一个字符串,使用字符重载方法将快很多。如果您知道您正在搜索字符串的长度为1,请使用char类型代替。

    b、一个不成功搜索所花的时间将超过一个成功的搜索:

    这其实并不奇怪,如果IndexOf方法成功,它将返回给定的字符串或字符首次出现的位置,它省去了剩余字符串的搜索时间。 相反,如果输入的字符串不包含给定的字符或者字符串,IndexOf函数将对整个输入字符串进行搜索。

    c、经常有一种方法来消除不成功的搜索,例如,如果你想知道输入的字符串是否包含了一组单词的,你可以先搜索那些更可能出现在输入字符串的字符。

3、从零开始写的文本搜索的方法

    现在,到了的最有趣的部分。IndexOf方法搜索一个字符时是相当快的,但搜索一个单词是缓慢的,如何有一个更快的方式在字符串内搜索单词呢?

    花了一些时间,为寻找可能最快的的解决办法,以下方法是我想出的。

代码
static   int  FastIndexOf( string  source,  string  pattern) {
  
bool  found;
  
int  limit  =  source.Length  -  pattern.Length  +   1 ;
  
if  (limit  <   1 return   - 1 ;

  
//  Store the first 2 characters of "pattern"
   char  c0  =  pattern[ ];
  
char  c1  =  pattern.Length  >   1   ?  pattern[ 1 ] :  '   ' ;

  
//  Find the first occurrence of the first character
   int  first  =  source.IndexOf(c0,  , limit);

  
while  (first  !=   - 1 ) {

    
//  Check if the following character is the same like the 2nd character of "pattern"
     if  (pattern.Length  >   1   &&  source[first  +   1 !=  c1) {
      first 
=  source.IndexOf(c0,  ++ first, limit  -  first);
      
continue ;
    }

    
//  Check the rest of "pattern" (starting with the 3rd character)
    found  =   true ;
    
for  ( int  j  =   2 ; j  <  pattern.Length; j ++ )
      
if  (source[first  +  j]  !=  pattern[j]) {
        found 
=   false ;
        
break ;
      }

    
//  If the whole word was found, return its index, otherwise try again
     if  (found)  return  first;
    first 
=  source.IndexOf(c0,  ++ first, limit  -  first);
  }
  
return   - 1 ;
}

    此函数基于IndexOf方法搜索一个字符非常快这个事实的。

    基本想法非常的简单,这个方法先搜索这个单词的第一个字符。如果一旦找到,它检测下一个的字符,该代码是有点乱,因为它包含了很多小的优化。例如,我发现,如果该方法在启动检测这个词的其余部分的“for”循环之前检查第二个字符(第一个已近被找到),平均性能将会更好。

    我已经对随机生成的字符串进行大量测试,比较上述所列三种方案和这里是结果:

    a、对一个单词的搜索,IndexOf函数速度总是比我的自定义FastIndexOf方法慢20%左右。
    b、如果输入字符和匹配字符串都足够的长,正则表达式是最快的方式找到一个字符串,
    下图是根据我的测量的值。它显示了两种最快的办法取决于输入字符串的长度:
    纵轴表示这个词的长度(以字符数),横轴显示的是(以字符)输入字符串的长度。条纹地区是自定义搜索方法优于正则表达式。
请注意,所有测量值是近似的。
N0.2:替换转义字符
    另一种常见的字符串的操作是要替换转义字符。有时替换是很容易的,你只需要设立一个反斜杠(或其他字符)在每一个转义字符的前面。
    试想以下情况:你是建立一个RTF文件,你要在文件中的插入字符串。在RTF文件中"(",")"和"\"字符具有特殊的意义,因此,必须先用反斜杠。现在的问题是:什么是最快的方法,以取代相应的转义序列的每个字符?
正则表达式
1、 用Regex类的 Replace 法是其中一个可行办法。但是,在这种情况下,使用正则表达式是目前最慢的选择。
2、字符串的 Replace() 方法
string  input;

/*  ....  */

input.Replace(
" \\ " " \\\\ " ).Replace( " { " " \\{ " ).Replace( " } " " \\} " ); 

    另一种简单的方法是使用的字符串类型Replace方法,当建立RTF文件,该更换程序将如下:这个易读,简短和干净的,但它并不总是最快的选择。

3、从头编写一个自定义方法
     就像前面的情况,我想编写一个定制的方法,完成相同的任务。以下是代码:
代码
static   string  Escape1( string  source,  char [] escapeChars,  char  escape) {
  
int  i  =  source.IndexOfAny(escapeChars);
  
while  (i  !=   - 1 ) {
    source 
=  source.Insert(i, escape.ToString());
    i 
=  source.IndexOfAny(escapeChars, i  +   2 );
  }
  
return  source.ToString();
}

      第一个参数是输入字符串,第二个是一个被转义字符数组,最后一个参数是转义字符,正如你可能知道,如果你需要做连续许多操作,直接编辑字符串的效率不是很高。StringBuilder类提供了一种有效的方式来编辑字符串,虽然它需要一点时间来初始化一个StringBuilder对象,如果你知道你需要反复编辑字符串,这需要合理的使用StringBuilder。

    我创建的另一个种使用StringBuilder方法:
代码
static   string  Escape2( string  source,  char [] escapeChars,  char  escape) {
  StringBuilder s 
=   new  StringBuilder();
  
int  j  =   ;
  
int  i  =  source.IndexOfAny(escapeChars);
  
while  (i  !=   - 1 ) {
    s.Append(source.Substring(j, i 
-  j));
    s.Append(escape);
    j 
=  i;
    i 
=  source.IndexOfAny(escapeChars, j  +   1 );
  }
  s.Append(source.Substring(j));
  
return  s.ToString();
}

    我使用了3个方法来取代转义序列的3字符集描述方法。下图显示,该方法是最快的一个取决于输入字符串:

 
    纵轴显示转义字符串中的字符数,而横轴显示出现的转义字符频率的百分比。频率为50,即每输入字符串的都需要其他字符转义,频率为1,只有1%的字符输入字符串(每100字符)是转义的。
    如果有足够的字符进行转义,如果转义字符频率足够高(带区面积的左上图的右上角),String.Replace方法证明是最快的。
    图的其他部分显示:在大多数情况下,自定义字符转义方法是最快的选择。正如所料,如果替换的字符数足够多,在大约5个字符的情况下,该StringBuilder的方法更快。
    如果你想知道有点串更多string/StringBuilder 的性能比较,我建议以下的2个资源:

    Concatenating Strings Efficiently by Jon Skeet 

    StringBuilder vs String by Alois Kraus 

    如果你想要很高的性能,你必须知道处理的数据是什么样的,像我一样,你将不得不花一些时间比较所有可供选择。
    我希望这篇文章给你一个正确的方向,帮助你提高你的代码的性能。希望得到你的回复!
    参考原文:http://www.codeproject.com/KB/string/string_optimizations.aspx
 
 

原文链接: http://www.cnblogs.com/zhuqil/archive/2010/01/08/1641767.html

本文转载自:http://www.cnblogs.com/zhuqil/archive/2010/01/08/1641767.html

共有 人打赏支持
晨曦之光
粉丝 376
博文 4426
码字总数 2559
作品 0
深圳
程序员
【C# 知识点】String和StringBuilder的区别

参考资料:  -《C#从入门到精通(第四版)》清华大学出版社  - 资料来源-木土家的田童:C# String与string的区别 啊啊啊 之前一直不知道还有这回事,翻了一下书才发现。优化也很重要,,,...

madbam_boo
04/06
0
0
Unity3D是怎么提升游戏运行效率的?

先感谢一下作者软件民工,今天要分享3d素材unity3d是怎么提升游戏运行效率的? 用c#写的i++和c写的i++,编译后的机器指令哪个更快? 实际测试,il2cpp之后,同样的代码,非但没有提高性能,反...

lililuoluo
2016/09/26
27
0
c#开发大全、系列文章、精品教程

全栈工程师开发手册 (作者:栾鹏) c#系列教程: c#实现ajax通信:向后台发送JSON字符串,接收响应字符串,并转换为对象 c#文件夹常用操作,属性设置,遍历、压缩 c#获取网页源代码的5种方式...

luanpeng825485697
2017/10/03
0
0
C#进阶系列——动态Lamada(二:优化)

原文:C#进阶系列——动态Lamada(二:优化) 前言:前几天写了一篇动态Lamada的文章C#进阶系列——动态Lamada,受园友xiao99的启发,今天打算来重新优化下这个动态Lamada的工具类。在此做个笔...

杰克.陈
2017/12/19
0
0
C# null,string.Empty,"",DBNull 的区别

【null】 null 在C# 中是一个关键字,表示不引用任何对象的空引用的文字值。 是引用类型变量的默认值。 普通值类型不能为 null。 null 在 VS 中定位不出来具体是怎么定义的。一般通过类名映射...

碧水青荷
10/10
0
0

没有更多内容

加载失败,请刷新页面

加载更多

【源码分析】面试问烂的equals和各种字符串、Integer比较

今天在空闲时间聊天时发现,面试题中的equals问题,以及String、Integer等的判等问题还是讨论的比较激烈而且混乱。。。(滑稽) 其实网上有非常多关于这种面试题的文章或者博客,其实多去看看就...

LinkedBear
14分钟前
4
0
jvm汇总

https://www.toutiao.com/i6490796229067276814/ https://tech.meituan.com/jvm_optimize.html

tantexian
14分钟前
1
0
限制MongoDB使用内存大小

限制MongoDB使用内存大小 0 收藏(6)因为MongoDB的内存是系统的虚拟内存管理的,MongoDB并不干涉内存管理工作,这样虽然可以简化Mongo的工作,但同时Mongo的内存使用是没法控制的。 真的没法控...

Airship
15分钟前
2
0
“赋能开发者”高峰论坛暨西安葡萄城30周年庆典隆重举办

 2018 年 10 月 18 日,“赋能开发者”高峰论坛暨西安葡萄城 30 周年庆典在古城西安隆重举办。   此次论坛由西安葡萄城信息技术有限公司(以下简称“西安葡萄城”)主办。作为软件开发行业...

葡萄城技术团队
16分钟前
1
0
聊聊storm的reportError

序 本文主要研究一下storm的reportError IErrorReporter storm-2.0.0/storm-client/src/jvm/org/apache/storm/task/IErrorReporter.java public interface IErrorReporter { void report......

go4it
17分钟前
1
0

没有更多内容

加载失败,请刷新页面

加载更多

返回顶部
顶部