java - 在数字第一次出现时分割字符串的最有效方法？

Question

JamesBond001.txt
JamesBond002.txt
JamesBond003.txt

我想将其分为两部分 {JamesBond|001} 、{JamesBond|002}、{JamesBond|003}

Answer 1

为了让您做出明智的决定，以下是两个竞争解决方案的基准。

@OutputTimeUnit(TimeUnit.NANOSECONDS)
@BenchmarkMode(Mode.AverageTime)
@OperationsPerInvocation(Measure.SIZE)
@Warmup(iterations = 10, time = 100, timeUnit=MILLISECONDS)
@Measurement(iterations = 5, time = 1000, timeUnit=MILLISECONDS)
@State(Scope.Thread)
@Threads(1)
@Fork(1)
public class Measure
{
  public static final int SIZE = 1;

  String toSplit;

  @Setup public void setup() {
    final Random rnd = ThreadLocalRandom.current();
    toSplit = IntStream.range(0, 100)
        .mapToObj(i -> String.valueOf((char)(i < 95? 'A'+rnd.nextInt(20) : '0'+rnd.nextInt(10))))
        .collect(joining());
  }

  static final Pattern regex = Pattern.compile("(?<=\\D)(?=\\d)");

  @Benchmark public String[] regex() {
    return regex.split(toSplit);
  }

  @Benchmark public String[] loop() {
    int i;
    for (i = 0; i < toSplit.length(); i++)
      if (toSplit.charAt(i) >= '0' && toSplit.charAt(i) <= '9')
        break;
    return new String[] { toSplit.substring(0, i), toSplit.substring(i, toSplit.length()) };
  }
}

因此，我们正在使用 100 个字符的字符串进行测试，其中最后 5 个字符是数字。这是最坏的情况，因为我们必须搜索几乎整个较长的字符串才能找到分割点。

结果:

Benchmark            Mode  Samples     Score      Error  Units
o.s.Measure.loop     avgt        5    96,772 ±    8,671  ns/op
o.s.Measure.regex    avgt        5  3720,446 ± 1096,872  ns/op

尽管我们非常小心地编译了正则表达式，但自定义循环还是将正则表达式打得一塌糊涂。