Java - 檢查String大小的最快方法

Question

我在循環語句中有以下代碼。
在循環中，字符串被附加到sb（StringBuilder）並檢查sb的大小是否已達到5MB。

if (sb.toString().getBytes("UTF-8").length >= 5242880) {
    // Do something
}

這工作正常，但它很慢（在檢查大小方面）
最快的方法是什么？

Answer 1

您可以使用快速計算UTF-8長度

public static int utf8Length(CharSequence cs) {
    return cs.codePoints()
        .map(cp -> cp<=0x7ff? cp<=0x7f? 1: 2: cp<=0xffff? 3: 4)
        .sum();
}

如果ASCII字符在內容中占主導地位，則使用起來可能會稍快一些

public static int utf8Length(CharSequence cs) {
    return cs.length()
         + cs.codePoints().filter(cp -> cp>0x7f).map(cp -> cp<=0x7ff? 1: 2).sum();
}

代替。

但是你也可以考慮不重新計算整個大小的優化潛力，而只考慮你追加到StringBuilder的新片段的大小，類似的東西

    StringBuilder sb = new StringBuilder();
    int length = 0;
    for(…; …; …) {
        String s = … //calculateNextString();
        sb.append(s);
        length += utf8Length(s);
        if(length >= 5242880) {
            // Do something

            // in case you're flushing the data:
            sb.setLength(0);
            length = 0;
        }
    }

這假設如果你附加包含代理對的片段，它們總是完整的並且不會被分成兩半。 對於普通應用，情況應始終如此。

Didier-L建議的另一種可能性是推遲計算，直到您的StringBuilder達到閾值的長度除以3，如前所述， UTF-8長度不可能大於閾值。 但是，如果碰巧在某些執行中沒有達到threshold / 3 ，那么這將是有益的。

Answer 2

如果循環1000次，則會生成1000String，然后轉換為“UTF-8 Byte”數組，以獲得長度。

我會通過存儲第一個長度來減少轉換。 然后，在每個循環上，只獲取添加值的長度，然后這只是一個補充。

int length = sb.toString().getBytes("UTF-8").length;
for(String s : list){
    sb.append(s);
    length += s.getBytes("UTF-8").length;
    if(...){
    ...
    }
}

這將減少使用的內存和轉換成本

Answer 3

考慮使用ByteArrayOutputStream和OutputStreamWriter而不是StringBuilder。 使用ByteArrayOutputStream.size（）來測試大小。