Java—检查字符串大小的最快方法

循环语句中包含以下代码。
在循环中，字符串被附加到sb（StringBuilder）并检查sb的大小是否已达到5MB

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

这很好，但速度非常慢（在检查大小方面）

---

最快的方法是什么

如果循环1000次，将生成1000String，然后转换为“UTF-8字节”数组，以获得长度

我将通过存储第一个长度来减少转换。然后，在每个循环上，只获取附加值的长度，然后这只是一个加法

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

---

这将减少使用的内存和转换成本

您可以使用

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

这假设如果您要附加包含代理项对的片段，那么它们总是完整的，并且不会拆分为两半。对于普通应用，应始终如此

---

建议的另一种可能性是推迟计算，直到您的

StringBuilder

达到阈值长度除以三，与之前一样，

UTF-8

长度不可能大于阈值。但是，只有在某些执行中没有达到

阈值/3

时，这才是有益的。

考虑使用ByteArrayOutputStream和OutputStreamWriter而不是StringBuilder。使用ByteArrayOutputStream.size（）测试大小。

作为进一步优化，请注意字符最多占用3个字节，您还可以避免计算长度，直到

StringBuilder

长度达到5MB/3。@Holger在jdk-9中，将有

String:：codePoints

来区分ASCII字符串和非ASCII字符串。。。此外，该技术仅适用于UTF-8，它仍然很好。@尤金：计算

UTF-8

长度是本练习的唯一目的。除此之外，Java 9对

codePoints（）

的实现不会对这个答案产生影响。此答案的两个解决方案之间的区别在于，第二个解决方案仅对ASCII字符执行一个条件，并跳过加法操作。修正错误后，这两种变体在最坏的情况下不再有差异，因此第二种变体始终获胜。一个便宜的“isAllASCII”方法会有帮助，但据我所知，Java 9只会在内部区分iso-latin-1和其他字符串。@Didierr：“一个字符最多需要3个字节”-一个

char

，是的，但Java字符串代表UTF-16中的Unicode码点，因此，字符串中的每个码点可能有1或2个

char

s。在标准UTF-8中，代码点最多可编码4个字节，其中编码最多3个字节的代码点只需要1个Java

char

，而编码为4个字节的代码点需要2个Java

char

一起工作。@RemyLebeau这不会改变我的推理，因为

length（）
字符串的
/
StringBuilder
是
char
s的数量，因此如果一个码点取2个
char
s，它最多会计为6个字节，这仍然被高估，因此与此优化兼容。
public static int utf8Length(CharSequence cs) {
    return cs.length()
         + cs.codePoints().filter(cp -> cp>0x7f).map(cp -> cp<=0x7ff? 1: 2).sum();
}

    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;
        }
    }