[英]Efficiently removing specific characters (some punctuation) from Strings in Java?
在Java中,从String中删除给定字符的最有效方法是什么? 目前,我有这个代码:
private static String processWord(String x) {
String tmp;
tmp = x.toLowerCase();
tmp = tmp.replace(",", "");
tmp = tmp.replace(".", "");
tmp = tmp.replace(";", "");
tmp = tmp.replace("!", "");
tmp = tmp.replace("?", "");
tmp = tmp.replace("(", "");
tmp = tmp.replace(")", "");
tmp = tmp.replace("{", "");
tmp = tmp.replace("}", "");
tmp = tmp.replace("[", "");
tmp = tmp.replace("]", "");
tmp = tmp.replace("<", "");
tmp = tmp.replace(">", "");
tmp = tmp.replace("%", "");
return tmp;
}
如果我使用某种StringBuilder,或正则表达式,或者其他东西,会更快吗? 是的,我知道:简介并查看,但我希望有人可以提供他们头脑的答案,因为这是一项常见的任务。
虽然\\\\p{Punct}
将指定比问题更广泛的字符,但它确实允许更短的替换表达式:
tmp = tmp.replaceAll("\\p{Punct}+", "");
这是一个迟到的答案,只是为了好玩。
在这种情况下,我建议瞄准速度的可读性。 当然,你可以超级可读但速度太慢,就像这个超简洁版本一样:
private static String processWord(String x) {
return x.replaceAll("[][(){},.;!?<>%]", "");
}
这很慢,因为每次调用此方法时,都会编译正则表达式。 所以你可以预编译正则表达式。
private static final Pattern UNDESIRABLES = Pattern.compile("[][(){},.;!?<>%]");
private static String processWord(String x) {
return UNDESIRABLES.matcher(x).replaceAll("");
}
假设JVM的正则表达式引擎优化了字符类查找,这对于大多数用途来说应该足够快。 这是我个人使用的解决方案。
现在没有分析,我不知道你是否可以通过制作自己的角色(实际代码点)查找表做得更好:
private static final boolean[] CHARS_TO_KEEP = new boolean[];
填写一次,然后迭代,生成结果字符串。 我会把代码留给你。 :)
同样,我不会深入研究这种优化。 代码变得难以阅读。 性能是一个令人担忧的问题吗? 还要记住,现代语言是JITted,在升温后它们会表现得更好,所以使用一个好的分析器。
应该提到的一件事是,原始问题中的示例非常不具有性能,因为您正在创建一大堆临时字符串! 除非编译器优化所有这些,否则该特定解决方案将执行最差。
你可以这样做:
static String RemovePunct(String input)
{
char[] output = new char[input.length()];
int i = 0;
for (char ch : input.toCharArray())
{
if (Character.isLetterOrDigit(ch) || Character.isWhitespace(ch))
{
output[i++] = ch;
}
}
return new String(output, 0, i);
}
// ...
String s = RemovePunct("This is (a) test string.");
如果您发现它们对您的需求变慢,那么这可能比使用正则表达式更好。
但是,如果你想删除一个很长的,特殊的特殊字符列表,它可能会变得很乱。 在这种情况下,正则表达式更容易处理。
字符串是不可变的,所以不好尝试使用它们非常动态地尝试使用StringBuilder而不是String并使用它的所有精彩方法! 它会让你做任何你想做的事情。 再加上是的,如果你有想要做的事情,找出它的正则表达式,它会更好地为你工作。
使用String#replaceAll(String regex, String replacement)
作为
tmp = tmp.replaceAll("[,.;!?(){}\\[\\]<>%]", "");
System.out.println(
"f,i.l;t!e?r(e)d {s}t[r]i<n>g%".replaceAll(
"[,.;!?(){}\\[\\]<>%]", "")); // prints "filtered string"
现在,您的代码将遍历tmp
所有字符,并将它们与您要删除的所有可能字符进行比较,因此它将使用
number of tmp characters
number or characters you want to remove
x number or characters you want to remove
比较的number or characters you want to remove
。
要优化代码,可以使用短路OR ||
并做一些类似的事情
StringBuilder sb = new StringBuilder();
for (char c : tmp.toCharArray()) {
if (!(c == ',' || c == '.' || c == ';' || c == '!' || c == '?'
|| c == '(' || c == ')' || c == '{' || c == '}' || c == '['
|| c == ']' || c == '<' || c == '>' || c == '%'))
sb.append(c);
}
tmp = sb.toString();
或者像这样
StringBuilder sb = new StringBuilder();
char[] badChars = ",.;!?(){}[]<>%".toCharArray();
outer:
for (char strChar : tmp.toCharArray()) {
for (char badChar : badChars) {
if (badChar == strChar)
continue outer;// we skip `strChar` since it is bad character
}
sb.append(strChar);
}
tmp = sb.toString();
这样你就会迭代每个tmp
字符,但是如果它不是%
那么该字符的比较次数可以减少(因为它将是最后的比较,如果字符将是.
程序将在一次比较中得到他的结果)。
如果我没有弄错,这种方法与字符类 ( [...]
)一起使用,所以也许这样试试吧
Pattern p = Pattern.compile("[,.;!?(){}\\[\\]<>%]"); //store it somewhere so
//you wont need to compile it again
tmp = p.matcher(tmp).replaceAll("");
你可以这样做:
tmp.replaceAll("\\W", "");
删除标点符号
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.