面試的時候，string  基本上是必須問的知識

突然想起面試的時候曾經被人問過：都知道在大資料量情況下，使用String的split擷取字串效率很低，有想過用其他的方法替代嗎？用什麼替代？我當時的回答很斬釘截鐵：沒有。

google了一下，發現有2中替代方法，於是在這裡我將對這三種方式進行測試。

測試的軟體環境為：Windows XP、eclipse、JDK1.6。

測試用例使用類ip形式的字串，即3位一組，使用”.”間隔。資料分別使用：5組、10組、100組、1000組、10000組、100000組。

實現

閒話不說，先上程式碼：

[java] view plain

1. package test.java.lang.ref;  
2.   
3. import java.util.Random;  
4. import java.util.StringTokenizer;  
5.   
6. /** 
7.  * String測試類 
8.  * @author xiaori.Liu 
9.  * 
10.  */  
11. public class StringTest {  
12.       
13.     public static void main(String args[]){  
14.         String orginStr = getOriginStr(10);  
15.           
16.         //////////////String.splic()表現//////////////////////////////////////////////  
17.         System.out.println("使用String.splic()的切分字串");   
18.         long st1 = System.nanoTime();   
19.         String [] result = orginStr.split("\\.");  
20.         System.out.println("String.splic()擷取字串用時：" + (System.nanoTime()-st1));  
21.         System.out.println("String.splic()擷取字串結果個數：" + result.length);  
22.         System.out.println();  
23.           
24.         //////////////StringTokenizer表現//////////////////////////////////////////////  
25.         System.out.println("使用StringTokenizer的切分字串");   
26.         long st3 = System.nanoTime();    
27.         StringTokenizer token=new StringTokenizer(orginStr,".");    
28.         System.out.println("StringTokenizer擷取字串用時:"+(System.nanoTime()-st3));   
29.         System.out.println("StringTokenizer擷取字串結果個數：" + token.countTokens());  
30.         System.out.println();  
31.           
32.         ////////////////////String.substring()表現//////////////////////////////////////////  
33.           
34.           
35.         long st5 = System.nanoTime();    
36.         int len = orginStr.lastIndexOf(".");  
37.         System.out.println("使用String.substring()切分字串");    
38.         int k=0,count=0;    
39.           
40.         for (int i = 0; i <= len; i++) {    
41.          if(orginStr.substring(i, i+1).equals(".")){    
42.           if(count==0){    
43.            orginStr.substring(0, i);    
44.           }else{    
45.              orginStr.substring(k+1, i);   
46.              if(i == len){  
47.                orginStr.substring(len+1, orginStr.length());   
48.            }  
49.           }  
50.           k=i;count++;    
51.          }    
52.         }  
53.         System.out.println("String.substring()擷取字串用時"+(System.nanoTime()-st5));    
54.         System.out.println("String.substring()擷取字串結果個數：" + (count + 1));  
55.     }  
56.       
57.     /** 
58.      * 構造目標字串 
59.      * eg：10.123.12.154.154 
60.      * @param len 目標字串組數(每組由3個隨機陣列成) 
61.      * @return 
62.      */  
63.     private static String getOriginStr(int len){  
64.           
65.         StringBuffer sb = new StringBuffer();  
66.         StringBuffer result = new StringBuffer();  
67.         Random random = new Random();  
68.         for(int i = 0; i < len; i++){  
69.             sb.append(random.nextInt(9)).append(random.nextInt(9)).append(random.nextInt(9));  
70.             result.append(sb.toString());  
71.             sb.delete(0, sb.length());  
72.             if(i != len-1)  
73.                 result.append(".");  
74.         }  
75.           
76.         return result.toString();  
77.     }  
78. }  

改變目標資料長度修改getOriginStr的len引數即可。

5組測試資料結果如下圖：

下面這張圖對比了下，split耗時為substring和StringTokenizer耗時的倍數：

好吧，我又花了點兒時間，做了幾張圖表來分析這3中方式的效能。

首先來一張柱狀圖對比一下這5組資料擷取所花費的時間：

從上圖可以看出StringTokenizer的效能實在是太好了(對比另兩種),幾乎在圖表中看不見它的身影。遙遙領先。substring花費的時間始終比split要少，但是耗時也在隨著資料量的增加而增加。

下面3張折線圖可以很明顯看出split、substring、StringTokenizer3中實現隨著資料量增加，耗時的趨勢。

split是變化最大的，也就是資料量越大，擷取所需要的時間增長越快。

substring則比split要平穩一點點，但是也在增長。

StringTokenizer則是表現最優秀的，基本上平穩，始終保持在5000ns一下。

結論

最終，StringTokenizer在擷取字串中效率最高，不論資料量大小，幾乎持平。substring則要次之，資料量增加耗時也要隨之增加。split則是表現最差勁的。

究其原因，split的實現方式是採用正則表示式實現，所以其效能會比較低。至於正則表示式為何低，還未去驗證。split原始碼如下：

[java] view plaincopyprint?

1. public String[] split(String regex, int limit) {  
2.     return Pattern.compile(regex).split(this, limit)

本文來自 HH-i 的CSDN 部落格 ，全文地址請點選：https://blog.csdn.net/u013938165/article/details/23173309?utm_source=copy