java - 寻找有关如何提高 Java 代码片段性能的建议

Question

在我的项目中，我需要下载一个html(读入String大约50K-100K长，是的，相当胖)，并使用正则表达式获取一些内容，然后将它们插入到数据库中。性能很差，我想知道为什么。

代码的流程是这样的(多线程):

1. 使用httpcomponents将html文件下载成String(String html)
2. 使用正则表达式获取内容，并插入(数据库为mysql)

Pattern p = Pattern.compile("<h.*</a></h.>",Pattern.CASE_INSENSITIVE);
Matcher m = p.matcher(html);
boolean result = m.find();
while (result) {
    //insert into database stuff
    //update database stuff
}

字符串很长，但如果我把它分成几段，可能会漏掉一些匹配项。这非常令人不安。

我添加了一些打印行，发现在插入数据库之后，在更新操作之前有一些延迟，但我无法弄清楚，因为与数据库的连接没有关闭。

Answer 1

1. 尽量避免正则表达式，使用标准的 HTML 解析器，如 JSoup ， 有许多。我希望它们可能更有效，至少比 Regex 更有效。

2. 如果使用正则表达式，尽量不要每次都编译正则表达式。可以为 Pattern 设置私有(private)静态。但这并不是性能的巨大提升，只是良好的实践。

3. 为数据库使用连接池。如果可能，进行批量插入。