Regex 从字符串中提取数字。正则表达式与Try构造？

这个问题的灵感来自于这个问题

假设我们有一个任意字母和数字字符串的

列表

：

val ls = List("The", "first", "one", "is", "11", "the", "second", "is" "22") 

目标是形成从原始列表中提取的数字列表：

val nums:list[Int]=list（11,22）

可能有两种不同的方法（AFAIK）：

使用

尝试
构造：

val nums = ls.flatMap(s => Try(s.toInt).toOption)

这个解决方案看起来很简洁，但处理异常会有巨大的开销

使用

匹配

方法：

val nums = ls.filter(_.matches("\\d+")).map(_.toInt)

这里最耗时的部分是regexp匹配

哪一个性能更好

---

从我的观点来看，在这样简单的操作中使用异常机制就像“用大锤敲开螺母”。

我强烈建议您自己测试一下，您可以学到很多！开始Scala REPL：

scala> import scala.util.Try
import scala.util.Try

< import printTime function from our repo >

scala> val list = List("The", "first", "one", "is", "11", "the", "second", "is", "22")
list: List[String] = List(The, first, one, is, 11, the, second, is, 22)

scala> var x: List[Int] = Nil
x: List[Int] = List()

我们已经了解到在平面图中处理异常是一种非常低效的方法。这部分是因为异常处理会产生错误的汇编代码，部分是因为带有选项的flatMaps会进行大量额外的分配和装箱。正则表达式快约8倍！但是…正则表达式快吗

scala> def f3(l: List[String], n: Int) = { 
  var i = 0
  while (i < n) { 
    x = l.filter(_.forall(_.isDigit)).map(_.toInt)
    i += 1 
  }
}
f3: (l: List[String], n: Int)Unit

scala> printTime(f3(list, 100000)) // isDigit
time: time: 70.960ms

scala>def3（l:List[String]，n:Int）={
变量i=0
而（iprintTime（f3（列表，100000））//isDigit
时间：时间：70.960ms

---

用character

isDigit

调用替换regex给了我们另一个数量级的改进。这里的教训是不惜一切代价避免try/catch处理，尽可能避免使用regex，并且不要害怕编写性能比较

不要在正常控制流中使用异常。它具有误导性，不利于性能，并且无法扩展。对异常情况使用异常。我不是说你应该使用正则表达式，但是你可以通过a）（重新）使用预编译的正则表达式来优化你的版本，例如

val Reg=“（\\d+）.r

和b）在一个步骤而不是两个步骤中进行

过滤和
映射，例如
ls。收集{case Reg（n）=>n.toInt}
如果它真的是关于性能（而不是关于风格或习惯用法）：在您的示例中，9个元素中只有2个是有效数字。这是你输入列表的典型组成部分吗？如果不了解这一方面，讨论绩效就没有意义。如果列表中几乎不包含非数字的字符串，那么异常变量肯定会更快（因为没有什么可捕获的），而正则表达式变量的性能会更好，因为列表中的无效数字越多。你的问题没有通用的答案。@fxlae我正在学习scala，当我看到我在文章开头提到的问题最流行的答案是使用
Try
时，这个问题出现了，我认为这不太好。对我的问题IMHO的普遍回答应该考虑三种不同的情况：如果F是满足列表中的数目的可能性比第一种情况f是几乎0，则第二f= 0，5，最后f几乎为1。顺便说一句：我对堆栈溢出非常陌生，我应该用这些细节更新我的问题还是注释就足够了？拿一个只包含代表有效数字的字符串的列表来说，异常变量会快得多。是的，您使用了OP发布的列表，但我不确定OP一开始是否意识到这个问题。我想说的是：基准测试是一个困难的话题，特别是当我们不能对输入做出合理的假设时。你是对的，如果从不抛出异常，那么
Try
版本几乎与
isDigit
版本一样快：在一个包含8个数字字符串的列表上测试1m次迭代，时间是1.428秒（Try），4.631s（regex）和0.938s（isDigit）。添加一个非数字元素，时间为：7.148s（Try）、5.962s（regex）和0.992s（isDigit）。如果您以合理的频率抛出异常（这里大约有10%的元素），那么Try肯定是最慢的模型。
scala> def f2(l: List[String], n: Int) = { 
  var i = 0
  while (i < n) { 
    x = l.filter(_.matches("\\d+")).map(_.toInt)
    i += 1 
  }
}
f2: (l: List[String], n: Int)Unit

scala> printTime(f1(list, 100000)) // Try
time: 4.152s

scala> printTime(f2(list, 100000)) // regex
time: 565.107ms

scala> def f3(l: List[String], n: Int) = { 
  var i = 0
  while (i < n) { 
    x = l.filter(_.forall(_.isDigit)).map(_.toInt)
    i += 1 
  }
}
f3: (l: List[String], n: Int)Unit

scala> printTime(f3(list, 100000)) // isDigit
time: time: 70.960ms