在C#中优化字符串操作-阿里云开发者社区

在C#中优化字符串操作

2018-01-01 1382

版权

本文内容由阿里云实名注册用户自发贡献，版权归原作者所有，阿里云开发者社区不拥有其著作权，亦不承担相应法律责任。具体规则请查看《阿里云开发者社区用户服务协议》和《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容，填写侵权投诉表单进行举报，一经查实，本社区将立刻删除涉嫌侵权内容。

简介：

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 

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 

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 

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

本文转自麒麟博客园博客，原文链接：http://www.cnblogs.com/zhuqil/archive/2010/01/08/1641767.html，如需转载请自行联系原作者

在C#中优化字符串操作

热门文章

最新文章

相关电子书