Java 字符串。包含VS集合<；字符串>。包含VS Regex String.matches（）

我在两个文件中有两组不太长的字符串（200~500个单词），如下所示：

File1          File2

this           window
that           good
word           work
java           fine
book           home

所有独特的词语

现在，首先从文件中读取字符串（逐行），并将其存储在：

Set-set1 Set-set2

：看起来可能是这样的：

[这个，那个，单词，java，书]

和

[窗口，好，工作，好，家]

或

String-str1-String-str2

：可能是这样的：

str1:thisthatwordjava

和

str2:windowgoodworkfinehome

或可以是

str1:this，That，word，java

（用逗号分隔）

现在有三种方法可以检查单词

home

，其中

Set

或

String

将出现：

使用

set1/2.contains（“主页”）

使用str1/2.contains（“主目录”）

使用str1/2。匹配（“主”）

以上所有方法都可以，但哪一个最好

注意：这个问题的目的是因为检查字符串的频率非常高

不要做性能假设 是什么让您认为String.contains具有“更好的性能”

除非是非常简单的情况，否则不会发生以下情况：

• 你的字符串列表很短
• 要比较的字符串很短
• 您希望执行一次性查找

对于所有其他情况，

Set

方法将更好地扩展和工作。当然，与单个字符串相比，集合会有内存开销，但即使要存储数百万个字符串并比较长字符串，O（1）查找也会保持不变

为正确的作业提供正确的数据结构和算法 使用更安全和更稳健的设计，尤其是在这里，它不是一个难以实现的解决方案。正如你提到的，你会经常检查，那么一套方法对你来说肯定更好

此外，String.contain将是不安全的，因为如果两者都有匹配的字符串和子字符串，则查找将失败。正如kennytm在评论中所说，如果我们使用您的示例，并且您的列表中有“java”字符串，那么查找“ava”将匹配它，这显然是您不想要的

选择正确的一组 不过，您可能不想使用简单哈希集或调整其设置。例如，如果您的集合只创建一次，但经常检查，则可以考虑一个番石榴iMunababele.

例子 假设您想要一个不可变的集合（正如您所说的从文件中读取字符串列表），我会这样做。这是即时的，没有验证，所以请原谅缺乏仪式

使用Java8+Guava

import com.google.common.collect.ImmutableSet；
导入com.google.common.io.Files；
导入com.google.common.base.Splitter；
最终设置lookupTable=ImmutableSet.copyOf(
Splitter.on（'，'）
.trimpresults（）
.省略空字符串（）
.split（Files.asCharSource（新文件（“您的文件路径”）、Charsets.UTF_8.read（））
);

用正确的路径、正确的字符集、有无修剪来调味，如果你想留出空格和空字符串

仅使用Java8 如果您不想使用番石榴，而只想使用香草Java，那么只需在Java8中执行类似的操作（再次道歉，未经测试）：

final Set lookupTable=
Files.line（PATH.get（“您的文件路径”））
.map（直线->直线分割（“，+”）
.map（数组：：流）
.收集（toSet（））；

使用Java<8

---

如果Java<8，则使用常用的FileInputStream读取文件，然后使用String.split[]或StringTokenizer提取数组，最后将数组项添加到集合中

我猜您还是将文件的行读入字符串，因此如果只计划一次查询，则将其拆分并将子字符串存储在一个集合中并不是最佳选择。

如果您想了解性能差异的相关信息。简单地测量一下。这是给你的测试设置

final int WORDS = 10000;
final int SEARCHES = 1000000;

Set<String> strSet = new TreeSet<String>();
String strStr = "";
int[] searches = new int[SEARCHES];
Random randomGenerator = new Random();

// filling set and string
for(int i = 0; i < WORDS; i++){
    strSet.add(String.valueOf(i));
    strStr += "," + String.valueOf(i);
}

// creating searches
for(int i = 0; i < SEARCHES; i++)
    searches[i] = randomGenerator.nextInt(WORDS);

// measure set
long startTime = System.currentTimeMillis();
for(int i = 0; i < SEARCHES; i++)
    strSet.contains(String.valueOf(searches[i]));
System.out.println("set result " + (System.currentTimeMillis() - startTime));

// measure string
startTime = System.currentTimeMillis();
for(int i = 0; i < SEARCHES; i++)
    strStr.contains(String.valueOf(searches[i]));
System.out.println("string result " + (System.currentTimeMillis() - startTime));

final int WORDS=10000；
最终整数搜索=1000000；
Set strSet=new TreeSet（）；
字符串strStr=“”；
int[]searches=新int[searches]；
Random randomGenerator=新的Random（）；
//填充装置和字符串
for（int i=0；i

对我来说，输出是一个有意义的证据，证明您应该使用

集合

设置结果350
字符串结果14197

---

如果给定的单词没有comas，Set应该占用更多的内存空间，但执行时间更少（可以通过简单的拆分完成）

---

但我真正认为最好的方法是实验证明系统。currentTimeMillis（）

String.contains（）

将为

“ava”

返回true。我的预感是设置会更好。因为我猜它是用对象的散列来比较相等的。@kennytm如果在检查之前在输入字符串的开头和结尾加上逗号，它就不会这样做了。在

字符串的
集合中存储单个
字符串的原因是什么？请阅读并提供
不清楚你在问什么
@BahramdunAdil你是否分析了你的程序并发现集合比较是一个热点？如果他只需要做一次查找，一个
字符串。包含
w
final Set<String> lookupTable =
    Files.lines(Paths.get("YOUR_FILE_PATH"))
      .map(line -> line.split(",+"))
      .map(Arrays::stream)
      .collect(toSet());

final int WORDS = 10000;
final int SEARCHES = 1000000;

Set<String> strSet = new TreeSet<String>();
String strStr = "";
int[] searches = new int[SEARCHES];
Random randomGenerator = new Random();

// filling set and string
for(int i = 0; i < WORDS; i++){
    strSet.add(String.valueOf(i));
    strStr += "," + String.valueOf(i);
}

// creating searches
for(int i = 0; i < SEARCHES; i++)
    searches[i] = randomGenerator.nextInt(WORDS);

// measure set
long startTime = System.currentTimeMillis();
for(int i = 0; i < SEARCHES; i++)
    strSet.contains(String.valueOf(searches[i]));
System.out.println("set result " + (System.currentTimeMillis() - startTime));

// measure string
startTime = System.currentTimeMillis();
for(int i = 0; i < SEARCHES; i++)
    strStr.contains(String.valueOf(searches[i]));
System.out.println("string result " + (System.currentTimeMillis() - startTime));