String 的 split、subString，外加StringTokenizer之性能比較

最近在閱讀java.lang下的源碼，讀到String時，忽然想起面試的時候曾經被人問過：都知道在大數據量狀況下，使用String的split截取字符串效率很低，有想過用其餘的方法替代嗎？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，因而在這裏我將對這三種方式進行測試。

測試的軟件環境爲：Windows XP、eclipse、JDK1.6。

測試用例使用類ip形式的字符串，即3位一組，使用」.」間隔。數據分別使用：5組、10組、100組、1000組、10000組、100000組。

實現

閒話不說，先上代碼：

 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()的切分字符串"); 18         long st1 = System.nanoTime(); 19         String [] result = orginStr.split("\\."); 20         System.out.println("String.splic()截取字符串用時：" + (System.nanoTime()-st1)); 21         System.out.println("String.splic()截取字符串結果個數：" + result.length); 22         System.out.println(); 23         24         //////////////StringTokenizer表現////////////////////////////////////////////// 25         System.out.println("使用StringTokenizer的切分字符串"); 26         long st3 = System.nanoTime();  27         StringTokenizer token=new StringTokenizer(orginStr,".");  28         System.out.println("StringTokenizer截取字符串用時:"+(System.nanoTime()-st3)); 29         System.out.println("StringTokenizer截取字符串結果個數：" + 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()切分字符串");  38         int k=,count=;  39         40         for (int i = ; i <= len; i++) {  41          if(orginStr.substring(i, i+1).equals(".")){  42           if(count==){  43            orginStr.substring(, 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()截取字符串用時"+(System.nanoTime()-st5));  54         System.out.println("String.substring()截取字符串結果個數：" + (count + 1)); 55     } 56     57     /** 58  * 構造目標字符串 59  * eg：10.123.12.154.154 60  * @param len 目標字符串組數(每組由3個隨機數組成) 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 = ; 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(, sb.length()); 72             if(i != len-1) 73                 result.append("."); 74         } 75         76         return result.toString(); 77     } 78 }

改變目標數據長度修改getOriginStr的len參數便可。

5組測試數據結果以下圖：

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

好吧，我又花了點兒時間，作了幾張圖表來分析這3中方式的性能。

首先來一張柱狀圖對比一下這5組數據截取所花費的時間：

從上圖能夠看出StringTokenizer的性能實在是太好了(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，可是耗時也在隨着數據量的增長而增長。

下面3張折線圖能夠很明顯看出split、substring、StringTokenizer3中實現隨着數據量增長，耗時的趨勢。

split是變化最大的，也就是數據量越大，截取所須要的時間增加越快。

substring則比split要平穩一點點，可是也在增加。

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在截取字符串中效率最高，不論數據量大小，幾乎持平。substring則要次之，數據量增長耗時也要隨之增長。split則是表現最差勁的。

究其緣由，split的實現方式是採用正則表達式實現，因此其性能會比較低。至於正則表達式爲什麼低，還未去驗證。split源碼以下：

1 public String[] split(String regex, int limit) { 2     return Pattern.compile(regex).split(this, limit); 3 }

驗證可能存在不合理的地方，如哪裏不合適，還請指出，共同進步。