在做性能调优时,用JProfiler测试Web应用的性能,发现有个replaceBlank函数占用了10%的CPU时间,进去看了下,是个简单的用正则去除XML文档里空白字符串的功能。但是这个简单功能却消耗了10%的性能。
在Web应用里,去掉空白字符串,似乎是个简单的功能,但是真正写起来,却也有些麻烦事。总结下。
http://stackoverflow.com/questions/5455794/removing-whitespace-from-strings-in-java
有两种写法:
1
2
|
s.replaceAll(
"\\s+"
,
""
);
s.replaceAll(
"\\s"
,
""
);
|
至于具体哪一种比较好,和具体的场景有有关。有连续空白字符串的选择每一种,如果是空白字符串都只有一个的话,就选择第二种。个人倾向于第一种。
正则表达式是比较慢的,比下面的方法要慢3到4倍以上。
具体的实现代码如下:
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
|
public
static
String trimAllWhitespace(String str) {
if
(!hasLength(str)) {
return
str;
}
StringBuilder sb =
new
StringBuilder(str);
int
index =
0
;
while
(sb.length() > index) {
if
(Character.isWhitespace(sb.charAt(index))) {
sb.deleteCharAt(index);
}
else
{
index++;
}
}
return
sb.toString();
}
|
看起来,没有什么问题,但是程序员的直觉:deleteCharAt函数是怎么实现的?应该不会有什么高效的算法可以实现这样的。
果然,实现代码如下:
1
2
3
4
5
6
7
|
public
AbstractStringBuilder deleteCharAt(
int
index) {
if
((index <
0
) || (index >= count))
throw
new
StringIndexOutOfBoundsException(index);
System.arraycopy(value, index+
1
, value, index, count-index-
1
);
count--;
return
this
;
}
|
显然,过多地调用System.arraycopy会有性能问题。
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
|
static
public
String myTrimAllWhitespace(String str) {
if
(str !=
null
) {
int
len = str.length();
if
(len >
0
) {
StringBuilder sb =
new
StringBuilder(len);
for
(
int
i =
0
; i < len; ++i) {
char
c = str.charAt(i);
if
(!Character.isWhitespace(c)) {
sb.append(c);
}
}
return
sb.toString();
}
}
return
str;
}
|
这个是最开始的思路。实际测试了下,发现大部分情况上,要比方式二效率高。
但是在某些情况,比如”aaaaaaaaaaaaaaaaaaaaaaaaaaaaaaa aaaaaaaaaaaaaaaaaaaa”,这种只有一个空白字符的,效率要慢。
第二种方式,在调用deleteAt时,要整个拷贝后面的所有字符串,显然在字符串很长的情况下,效率会降低。于是考虑只复制部分内存。
用两种pos来标记哪一部分是连续的非空白字符串。
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
|
static
public
String myTrimAllWhitespace3(String str) {
if
(str !=
null
) {
int
len = str.length();
if
(len >
0
) {
char
[] src = str.toCharArray();
char
[] dest =
new
char
[src.length];
int
destPos =
0
;
for
(
int
pos1 =
0
, pos2 =
0
; pos2 < src.length;) {
if
(Character.isWhitespace(src[pos2])) {
if
(pos1 == pos2) {
pos1++;
pos2++;
}
else
{
System.arraycopy(src, pos1, dest, destPos, pos2
- pos1);
destPos += (pos2 - pos1);
pos2++;
pos1 = pos2;
}
}
else
{
pos2++;
}
if
(pos2 == src.length) {
if
(pos1 != pos2) {
System.arraycopy(src, pos1, dest, destPos, pos2
- pos1);
destPos += (pos2 - pos1);
}
return
new
String(dest,
0
, destPos);
}
}
}
}
return
str;
}
|
在写完方式四,之后,测试发现效率在中间,和方式二,三相比,不好也不坏。似乎找到了一个平衡点。
但是忽然想到,既然在方式四中不直接操作char[]数组,为何不在方式二也这么做?于是有了:
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
|
static
public
String myTrimAllWhitespace2(String str) {
if
(str !=
null
) {
int
len = str.length();
if
(len >
0
) {
char
[] dest =
new
char
[len];
int
destPos =
0
;
for
(
int
i =
0
; i < len; ++i) {
char
c = str.charAt(i);
if
(!Character.isWhitespace(c)) {
dest[destPos++] = c;
}
}
return
new
String(dest,
0
, destPos);
}
}
return
str;
}
|
上面的几种方式都只能处理大部分的情况,对于部分Unicode字符串,可能会有问题。
因为本人对这个比较敏感,最后写了个Unicode字符的处理:
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
|
static
public
String myTrimAllWhitespace3(String str) {
if
(str !=
null
) {
int
len = str.length();
if
(len >
0
) {
char
[] src = str.toCharArray();
char
[] dest =
new
char
[src.length];
int
destPos =
0
;
for
(
int
pos1 =
0
, pos2 =
0
; pos2 < src.length;) {
if
(Character.isWhitespace(src[pos2])) {
if
(pos1 == pos2) {
pos1++;
pos2++;
}
else
{
System.arraycopy(src, pos1, dest, destPos, pos2
- pos1);
destPos += (pos2 - pos1);
pos2++;
pos1 = pos2;
}
}
else
{
pos2++;
}
if
(pos2 == src.length) {
if
(pos1 != pos2) {
System.arraycopy(src, pos1, dest, destPos, pos2
- pos1);
destPos += (pos2 - pos1);
}
return
new
String(dest,
0
, destPos);
}
}
}
}
return
str;
}
|
这个处理Unicode的非常慢。。Java的String类并没有暴露足够多的函数来处理Unicode,所以处理起来很蛋疼。
测试代码在:
https://gist.github.com/hengyunabc/a4651e90db24cc5ed29a
我的电脑上测试最快的代码是方式五里的。
可能在某些特殊情况下,方式四中用System.arraycopy来复制标记两段内存会快点,但这个算法太复杂了,得不偿失。
本人倾向于符合直觉,而且效率线性的算法。
给spring提了个path,一开始是方式三的代码,但是在某些情况下效率不高,导致周末心神不宁。。于是就有了后面的几种方式。
一个简单的功能,直正实现起来却也不容易,所以我尽量避免写Util类和方式,因为保证代码的质量,性能,不是一件容易的事。
https://github.com/spring-projects/spring-framework/pull/562
原文出处: hengyunabc
from: http://www.importnew.com/22956.html
文章浏览阅读1k次。通过使用ajax方法跨域请求是浏览器所不允许的,浏览器出于安全考虑是禁止的。警告信息如下:不过jQuery对跨域问题也有解决方案,使用jsonp的方式解决,方法如下:$.ajax({ async:false, url: 'http://www.mysite.com/demo.do', // 跨域URL ty..._nginx不停的xhr
文章浏览阅读2k次。关于在 Oracle 中配置 extproc 以访问 ST_Geometry,也就是我们所说的 使用空间SQL 的方法,官方文档链接如下。http://desktop.arcgis.com/zh-cn/arcmap/latest/manage-data/gdbs-in-oracle/configure-oracle-extproc.htm其实简单总结一下,主要就分为以下几个步骤。..._extproc
文章浏览阅读1.5w次。linux下没有上面的两个函数,需要使用函数 mbstowcs和wcstombsmbstowcs将多字节编码转换为宽字节编码wcstombs将宽字节编码转换为多字节编码这两个函数,转换过程中受到系统编码类型的影响,需要通过设置来设定转换前和转换后的编码类型。通过函数setlocale进行系统编码的设置。linux下输入命名locale -a查看系统支持的编码_linux c++ gbk->utf8
文章浏览阅读750次。今天准备从生产库向测试库进行数据导入,结果在imp导入的时候遇到“ IMP-00009:导出文件异常结束” 错误,google一下,发现可能有如下原因导致imp的数据太大,没有写buffer和commit两个数据库字符集不同从低版本exp的dmp文件,向高版本imp导出的dmp文件出错传输dmp文件时,文件损坏解决办法:imp时指定..._imp-00009导出文件异常结束
文章浏览阅读143次。当下是一个大数据的时代,各个行业都离不开数据的支持。因此,网络爬虫就应运而生。网络爬虫当下最为火热的是Python,Python开发爬虫相对简单,而且功能库相当完善,力压众多开发语言。本次教程我们爬取前程无忧的招聘信息来分析Python程序员需要掌握那些编程技术。首先在谷歌浏览器打开前程无忧的首页,按F12打开浏览器的开发者工具。浏览器开发者工具是用于捕捉网站的请求信息,通过分析请求信息可以了解请..._初级python程序员能力要求
文章浏览阅读7.6k次,点赞2次,收藏6次。@Service标注的bean,类名:ABDemoService查看源码后发现,原来是经过一个特殊处理:当类的名字是以两个或以上的大写字母开头的话,bean的名字会与类名保持一致public class AnnotationBeanNameGenerator implements BeanNameGenerator { private static final String C..._@service beanname
文章浏览阅读6.9w次,点赞73次,收藏463次。1.前序创建#include<stdio.h>#include<string.h>#include<stdlib.h>#include<malloc.h>#include<iostream>#include<stack>#include<queue>using namespace std;typed_二叉树的建立
文章浏览阅读7.1k次。在Asp.net上使用Excel导出功能,如果文件名出现中文,便会以乱码视之。 解决方法: fileName = HttpUtility.UrlEncode(fileName, System.Text.Encoding.UTF8);_asp.net utf8 导出中文字符乱码
文章浏览阅读2.1k次,点赞4次,收藏23次。第一次实验 词法分析实验报告设计思想词法分析的主要任务是根据文法的词汇表以及对应约定的编码进行一定的识别,找出文件中所有的合法的单词,并给出一定的信息作为最后的结果,用于后续语法分析程序的使用;本实验针对 PL/0 语言 的文法、词汇表编写一个词法分析程序,对于每个单词根据词汇表输出: (单词种类, 单词的值) 二元对。词汇表:种别编码单词符号助记符0beginb..._对pl/0作以下修改扩充。增加单词
文章浏览阅读773次。我在使用adb.exe时遇到了麻烦.我想使用与bash相同的adb.exe shell提示符,所以我决定更改默认的bash二进制文件(当然二进制文件是交叉编译的,一切都很完美)更改bash二进制文件遵循以下顺序> adb remount> adb push bash / system / bin /> adb shell> cd / system / bin> chm..._adb shell mv 权限
文章浏览阅读6.8k次,点赞12次,收藏125次。1. 单目相机标定引言相机标定已经研究多年,标定的算法可以分为基于摄影测量的标定和自标定。其中,应用最为广泛的还是张正友标定法。这是一种简单灵活、高鲁棒性、低成本的相机标定算法。仅需要一台相机和一块平面标定板构建相机标定系统,在标定过程中,相机拍摄多个角度下(至少两个角度,推荐10~20个角度)的标定板图像(相机和标定板都可以移动),即可对相机的内外参数进行标定。下面介绍张氏标定法(以下也这么称呼)的原理。原理相机模型和单应矩阵相机标定,就是对相机的内外参数进行计算的过程,从而得到物体到图像的投影_相机-投影仪标定
文章浏览阅读2.2k次。文章目录Wayland 架构Wayland 渲染Wayland的 硬件支持简 述: 翻译一篇关于和 wayland 有关的技术文章, 其英文标题为Wayland Architecture .Wayland 架构若是想要更好的理解 Wayland 架构及其与 X (X11 or X Window System) 结构;一种很好的方法是将事件从输入设备就开始跟踪, 查看期间所有的屏幕上出现的变化。这就是我们现在对 X 的理解。 内核是从一个输入设备中获取一个事件,并通过 evdev 输入_wayland