正則表達式非常慢，如何檢查一個字符串是否只用字符快速？

我有一個函數來檢查一個字符串（大部分的字符串是否只有一個CJK字符）是隻有字符的字符，它會被調用很多次，所以成本是不可接受的，但我不知道如何優化它，有什麼建議？正則表達式非常慢，如何檢查一個字符串是否只用字符快速？

/*\w is equivalent to the character class [\p{Ll}\p{Lu}\p{Lt}\p{Lo}\p{Nd}]. 
For more details see Unicode TR-18, and bear in mind that the set of characters 
in each class can vary between Unicode releases.*/ 
private static final Pattern sOnlyWordChars = Pattern.compile("\\w+"); 

private boolean isOnlyWordChars(String s) { 
    return sOnlyWordChars.matcher(s).matches(); 
}

當s是「3G」或「go_url」，或「hao123的」，isOnlyWordChars（S）應返回true。

來源

2013-06-21 iclinux

你認爲空字符串有效嗎？（即w *而不是w +） – SK9

可能的重複[最快的方法來檢查字符串是否只包含數字]（http://stackoverflow.com/questions/7461080/fastest-way-to-check-if-string-contains-只有數字） – SK9

@ SK9 c＃和java是不同的語言：P – nachokk

我看到的唯一的事情就是你的模式更改爲：

^\\w++$

但我不是一個Java專家

解釋：

我已經加入錨（即^$ ），這增加了模式的表現（正則表達式引擎在第一個非單詞字符失敗，直到遇到結束）。我添加了一個佔有量詞（即++），那麼正則表達式引擎並不關心回溯位置，而且速度更快。

更多信息here。

來源

2013-06-21 03:09:40

private boolean isOnlyWordChars(String s) { 
    char[] chars = s.toCharArray();  
    for (char c : chars) { 
     if(!Character.isLetter(c)) { 
      return false; 
     } 
    }  
    return true; 
}

更好的實現

public static boolean isAlpha(String str) { 
    if (str == null) { 
     return false; 
    } 
    int sz = str.length(); 
    for (int i = 0; i < sz; i++) { 
     if (Character.isLetter(str.charAt(i)) == false) { 
      return false; 
     } 
    } 
    return true; 
}

或者，如果你使用的是Apache下議院，StringUtils.isAlpha()。答案的第二個實現實際上來自源代碼，如果isAlpha。

UPDATE

HI很抱歉這麼晚纔回復。雖然我在幾個地方看到循環比正則表達式快，但我對速度並不確定。爲了確保我在ideoone運行下面的代碼，這裏是結果

爲5000000迭代

與代碼：4.99秒（運行時錯誤之後，這麼大數據它不工作）

與我的第一代碼2.71秒

與我的第二代碼2.52秒

爲500000迭代

與代碼：1.07秒

我的第一個代碼0.36秒

我的第二個代碼0.33秒

Here爲樣本我使用的代碼。

N.B.可能會有小錯誤。你可以玩它來測試不同的場景。根據Jan的評論，我認爲這些是使用私人或公共的小事。最好的條件檢查是一個很好的觀點。

來源

2013-06-21 03:10:17 stinepike

multiple return和== false是更好的實現嗎？ – nachokk

@nachokk取決於你的常見情況;第一個「if」甚至不會被編譯。 –

我更新了我的問題，「\ w相當於角色分類[\ p {Ll} \ p {Lu} \ p {Lt} \ p {Lo} \ p {Nd}]。」例如當字符串是「3g」或「go_url」或「hao123」時，isOnlyWordChars（s）應該返回true。 – iclinux

我認爲主要問題是你的模式。

我正在通過迭代解決方案，當我發現它在我的測試字符串Supercalifragilisticexpalidociou5之一上失敗時。原因如下：\w+只關心是否有一個或多個單詞字符。 它並不關心你是否看不到它已經匹配的單詞字符。

爲了改善這種情況，使用環視：

(?!\W+)(\w+)

的\W+條件將鎖定正則表達式，如果一個或多個字符被認爲是一個非單詞字符（如& *（）@！＃$）。

來源

2013-06-21 03:29:37 Makoto

這種向前看將永遠不會過濾任何東西。非字詞序列從來沒有開始於字詞序列。也許你希望lookahead是'（？！\ w * \ W +）'並且還要添加字符串錨？ –

解釋正確，但整改不足。 –

是的，我測試這個，它不比我的快... – iclinux

如果你想使用正則表達式來做到這一點，那麼最有效的方法是將邏輯改爲否定;即「每個字符是一個字母」變成「沒有字符是一個非字母」。

private static final Pattern pat = Pattern.compile("\\W"); 

private boolean isOnlyWordChars(String s) { 
    return !pat.matcher(s).find(); 
}

這將測試每個角色最多一次...沒有回溯。

來源

2013-06-21 05:35:40

謝謝，但它不適用於我的情況，因爲在我的情況下，幾乎所有的「s」只有一個cjk字符...老方法成本[61032] ns，您的平均成本[58115] ns。 – iclinux

是否有一種方法來檢查一個字符是「\ w」而沒有regx？因爲大部分字符串都是長度爲1. – iclinux

是的，當然有。像StinePike的答案一樣使用循環。 –

正則表達式非常慢，如何檢查一個字符串是否只用字符快速？

回答

相關問題