ByteArray - 字符串比較，不使用bytearray.tostring（）

Question

我使用Java進行地圖縮減編程。

我有一個字節數組，其中有10 MB數據。我想比較每個字節以查看它是否是空格，我的基本目的是通過使用空格分隔單詞（這是我的想法，歡迎任何其他建議）來獲取該字節數組中的每個單詞。我可以肯定地使用字符串，即首先將整個字節數組轉換爲字符串，然後比較然後做一個子字符串來獲取每個字，但是這會複製數據。我不想要任何創建像StringBuilder，StringTokenizer，substring一樣重複的東西。

我想要bytearray中的每個單詞，但沒有任何重複，因爲我正在做內存計算和重複使我耗盡資源。任何建議/想法如何進行將被諷刺。

Answer 1

如果你只是想避免造成整個陣列的String（和詞串都行），你可以做

HashSet<String> words = new HashSet<String>(); 
int pos = 0; 
int len = byteArray.length; 
for (int i = 0; i <= len; i++) { 
    if (i == len || byteArray[i] == ' ') { 
    if (i > pos + 1) { 
     String word = new String(byteArray, pos, i - pos, "UTF-8"); 
     words.add(word); 
    } 
    pos = i + 1; 
    } 
} 

附：您的評論似乎表明您從文件中讀取字節數組。爲什麼不避免這種情況，並直接從文件中讀取文字？如果你可以使用一個換行符（\ n）作爲分隔符（而不是空間），你可能只是做這樣的事情：

HashSet<String> words = new HashSet<String>(); 
BufferedReader reader = new BufferedReader(new InputStreamReader(new FileInputStream(args), "UTF-8")); 
while (true) { 
    String word = reader.readLine(); 
    if (word == null) { 
    break; 
    } 
    words.add(word); 
} 
reader.close();