Java 使用正则表达式的性能开销/改进

例如，如果我需要检查文本（字符串）中是否存在单词a或单词B，如果我这样做，是否存在性能差异：

if（text.contains（wordA）| text.contains（wordB））

是否使用某个正则表达式搜索字符串？
它是否依赖于正则表达式格式？
还是只是口味的问题

更新：
如果

text.contains（wordA）

为

false

，则将计算

text.contains（wordB）

。
这意味着

contains

将被调用两次

---

我在想，就性能而言，正则表达式是否比调用

contains

两次更好

您的代码清楚地表达了您的意图，比regexp更具可读性，而且可能更快

---

无论如何，这部分代码导致任何重大性能问题的可能性很低。因此，我不会在这里担心性能，而是担心可读性和可维护性。

通过这个简单的示例，您不应该看到太多的性能差异，但纯粹是因为正则表达式所涉及的算法

wordA|wordB

它的速度确实更快，因为它只通过字符串进行一次遍历，并使用有限自动机匹配两个子字符串中的一个子字符串。然而，首先构建有限自动机可以抵消这一点，在本例中，有限自动机在正则表达式的长度上应该是非常线性的。您可以先编译正则表达式，这样只要编译对象存在，就只需要花费一次时间

因此，成本基本上归结为：

• 对字符串进行两次线性搜索（2·字符串长度）
• 或线性搜索字符串一次并构建DFA（字符串长度+正则表达式长度）

如果文本非常大，子字符串非常小，那么这可能是值得的

不过，很可能你优化了错误的位置。使用分析器找出代码中的实际瓶颈，并对其进行优化；永远不要担心这些琐碎的“优化”，除非你能证明它们会产生影响

---

最后一件事要考虑的是：用正则表达式可以确保你实际上是匹配单词（或者看起来像单词的事物）而不是单词部分，这可能是考虑正则表达式而不是<>代码包含的实际原因。

< P>是的，它们是有区别的。Contains执行各种数组操作来查找单词，正则表达式使用不同的逻辑，因此它会有所不同，性能甚至会根据使用正则表达式匹配的方式而变化

这会有意义吗？这很难说。但你应该意识到最好的事情是：

首先编写代码，在分析清楚地表明此测试是问题所在之后，在遇到问题之前不要质疑性能

---

我只会使用contains方法。但这是一个没有实际测试任何东西的观点。

在我看来，这是一个品味问题。避免过早优化，请参阅

作为一般规则，如果要查找单词子字符串而不是模式，则不要使用正则表达式

这样一个简单的正则表达式与文本搜索的性能差别很小，因此，如果您偶尔只进行一次搜索，则不会出现性能问题。如果您在一个循环中执行了上千次或更多次，那么，如果您有性能问题，请制定一个基准

---

虽然正则表达式的性能较低，但它的表达能力更强，这一点通常更为重要。比如说

 "performance".contains("form") // is true

这可能不是你想要的一个“词”，相反，你可以有一个模式

 "\\bform\\b"

---

这将只匹配字符串中的完整单词，可以在开头或结尾。

我理解你的意思。我担心

包含（a）

或

包含（b）

将解析两次，例如正则表达式可以在一次解析中完成。您认为这可能是一个问题吗？您所说的两次解析是什么意思？如果text.contains（wordA）返回true，第二个表达式将永远不会被计算。@quaylar：如果

text.contains（wordA）

为

false

则第二个表达式将被计算。我认为使用正则表达式会比调用

contains

两次更快。stema：关于规则1，这是一个标准的方法还是你的建议？我对你的规则感兴趣。我认为它是一个标准的方法，正则表达式是一个优秀的、强大的模式匹配工具，我不认为一个固定的单词是一种模式。一旦这个词有变化或者必须在某个地方，它看起来就不一样了。所以，只有当我搜索<代码> Worda <代码>时，你才会提出这个建议。如果我考虑一个匹配，也就是代码> Word Worda < /Cord>你的建议仍然适用。@ USSR84706我在我的规则1中改变了一个单词。Peter Lawrey的回答提醒我，一个词已经是一种模式，如果这个词包含在另一个词中，通常不应该找到它（取决于您的要求）。如果您的数据来自磁盘，I/O开销将完全支配您的测量，编译正则表达式和扫描缓冲区两次的成本将减少到测量误差范围内。