查找子串的最高性能

-1

我有一個字符串（關鍵字）數組，我需要檢查一個較大字符串（從文件中讀取的文本）中存在多少個字符串。我需要檢查是不區分大小寫的。這時我做什麼是這樣的：查找子串的最高性能

private void findKeywords() { 
     String body = email.getMessage(); 
     for (String word : keywords) { 
      if (body.toLowerCase().contains(word.toLowerCase())) { 
       //some actions    } 
      if (email.getSubject().contains(word)) { 
       //some actions 
      } 
     } 
    }

從閱讀中的問題在這裏另一種解決方案提出了：

private void findKeywords() { 
     String body = email.getMessage(); 
     for (String word : keywords) { 
      boolean body_match = Pattern.compile(Pattern.quote(word), Pattern.CASE_INSENSITIVE).matcher(body).find(); 
      boolean subject_match = Pattern.compile(Pattern.quote(word), Pattern.CASE_INSENSITIVE).matcher(email.getSubject()).find(); 
      if (body_match) { 
       rating++; 
      } 
      if (subject_match) { 
       rating++; 
      } 
     } 
    }

哪個這些解決方案的效率更高？還有另一種方法可以做到這一點更好嗎？任何可接受的解決方案都必須易於實施（與上述相同），最好不使用外部庫，因爲在這種情況下這不是非常重要的問題。

來源

2013-03-08 Giannis

爲什麼不嘗試每一個，看看哪一個運行最快的？？？ – 2013-03-08 21:03:15

因爲那麼我不知道是否有更快的解決方案從上面。 – Giannis 2013-03-08 21:06:31

http://codereview.stackexchange.com – 2013-03-08 21:07:47

這兩種解決方案對我來說似乎都是可行的。我建議的一個改進是將函數移出循環。在您當前的代碼中，您將重複執行諸如toLowerCase（）和Pattern.compile之類的操作，您只需執行一次即可。

顯然有更快的方法來解決這個問題，但他們需要比這些五行更復雜的代碼。

來源

2013-03-08 21:08:49

將「toLowerCase（）」移到循環外部不僅具有性能優勢，還可減少一些可能的巨大字符串重複。 – 2013-03-08 21:13:57

我認爲你提到的顯式regex解決方案會更有效率，因爲它沒有toLowerCase操作，它會將輸入字符串複製到內存中並使字符變爲小寫。

這兩種解決方案應該是實用的，你的問題主要是學術問題，但我認爲正則表達式提供了更清晰的代碼。

來源

2013-03-08 21:10:50 Javanator

我覺得你對'String.contains（）'使用正則表達式下面是錯誤的。你在說哪個JDK？ – 2013-03-08 21:12:58

我正在考慮replaceAll – Javanator 2013-03-08 21:16:51

更好：構建一個包含所有關鍵字的單一模式。然後搜索該模式。假設您的關鍵字不包含元字符（在模式特殊含義的字符），然後使用：

StringBuilder keywordRegex = new StringBuilder(); 
for (String w : keywords) { 
    keywordRegex.append("|"+w); 
} 
Pattern p = Pattern.compile(keywordRegex.substring(1)); 
Matcher m = new p.matcher(textToMatch); 
while (m.find()) { 
    // match is at m.start(); word is m.group(0); 
}

不是通過所有關鍵字迭代更加高效：模式編譯（一次）將已生成尋找一個自動機所有關鍵字一次。

來源

2013-03-08 21:15:18 tucuxi

爲了增強健壯性，您需要轉義每個關鍵字，但隨着關鍵詞越多，這種關係越好。 – 2013-03-08 21:36:47

如果您的電子郵件的身體是非常大的，寫一個專門的不區分大小寫包含可能是合理的，因爲你可以避開大的字符串調用toUpperCase（）：

static bool containsIgnoreCase(String big, String small) { 
    if (small == null || big == null || small.length() > big.length()) { 
    return false; 
    }  
    String smallLC = small.toLowerCase(); 
    String smallUC = small.toUpperCase(); 
    for (int i = 0; i < big.length(); ++i) { 
    if (matchesAt(big, i, smallLC, smallUC)) { 
     return true; 
    } 
    } 
    return false; 
} 

private static bool matchesAt(String big, int index, String lc, String uc) { 
    if (index + lc.length() > big.length()) { 
    return false; 
    } 
    for (int i = 0; i < lc.length(); ++i) { 
    char c = big.charAt(i + index); 
    if ((c != lc.charAt(i)) && (c != uc.charAt(i))) { 
     return false; 
    } 
    } 
    return true; 
}

來源

2013-03-08 21:28:43

查找子串的最高性能

回答

相關問題