经过大量的测量，我已经确定了一个需要优化的窗口服务热点。我们正在处理可能包含多个连续空格的字符串，并且我们希望将其减少为仅有单个空格。我们使用一个静态编译的正则表达式来完成这个任务：
private static readonly Regex
regex_select_all_multiple_whitespace_chars =
new Regex(@"\s+",RegexOptions.Compiled);
var cleanString=
regex_select_all_multiple_whitespace_chars.Replace(dirtyString.Trim(), " ");
这行代码被调用了数百万次，而且非常密集。我尝试编写更好的代码，但是一时想不出更好的解决方案。鉴于正则表达式的处理需求相当适中，肯定有更快的方法。是否可以使用指针进行unsafe处理来进一步提速？
编辑：
感谢对这个问题的惊人回复...非常出乎意料！
这个快了大约三倍：
private static string RemoveDuplicateSpaces(string text) {
StringBuilder b = new StringBuilder(text.Length);
bool space = false;
foreach (char c in text) {
if (c == ' ') {
if (!space) b.Append(c);
space = true;
} else {
b.Append(c);
space = false;
}
}
return b.ToString();
}
这个怎么样...
public string RemoveMultiSpace(string test)
{
var words = test.Split(new char[] { ' ' },
StringSplitOptions.RemoveEmptyEntries);
return string.Join(" ", words);
}
NUnit运行测试用例:
测试时间以毫秒为单位。
Regex Test time: 338,8885
RemoveMultiSpace Test time: 78,9335
private static readonly Regex regex_select_all_multiple_whitespace_chars =
new Regex(@"\s+", RegexOptions.Compiled);
[Test]
public void Test()
{
string startString = "A B C D E F A B C D E F A B C D E F A B C D E F A B C D E F A B C D E F A B C D E F A B C D E F A B C D E F A B C D E F ";
string cleanString;
Trace.WriteLine("Regex Test start");
int count = 10000;
Stopwatch timer = new Stopwatch();
timer.Start();
for (int i = 0; i < count; i++)
{
cleanString = regex_select_all_multiple_whitespace_chars.Replace(startString, " ");
}
var elapsed = timer.Elapsed;
Trace.WriteLine("Regex Test end");
Trace.WriteLine("Regex Test time: " + elapsed.TotalMilliseconds);
Trace.WriteLine("RemoveMultiSpace Test start");
timer = new Stopwatch();
timer.Start();
for (int i = 0; i < count; i++)
{
cleanString = RemoveMultiSpace(startString);
}
elapsed = timer.Elapsed;
Trace.WriteLine("RemoveMultiSpace Test end");
Trace.WriteLine("RemoveMultiSpace Test time: " + elapsed.TotalMilliseconds);
}
public string RemoveMultiSpace(string test)
{
var words = test.Split(new char[] { ' ' }, StringSplitOptions.RemoveEmptyEntries);
return string.Join(" ", words);
}
编辑：
进行了更多测试并添加了Guffa的“RemoveDuplicateSpaces”方法，基于StringBuilder。
因此我的结论是，当有许多空格时，StringBuilder方法更快，但在较少的空格下，字符串分割方法略微更快。
Cleaning file with about 30000 lines, 10 iterations
RegEx time elapsed: 608,0623
RemoveMultiSpace time elapsed: 239,2049
RemoveDuplicateSpaces time elapsed: 307,2044
Cleaning string, 10000 iterations:
A B C D E F A B C D E F A B C D E F A B C D E F A B C D E F A B C D E F A B C D E F A B C D E F A B C D E F A B C D E F A B C D E F A B C D E F A B C D E F A B C D E F A B C D E F A B C D E F A B C D E F A B C D E F A B C D E F A B C D E F
RegEx time elapsed: 590,3626
RemoveMultiSpace time elapsed: 159,4547
RemoveDuplicateSpaces time elapsed: 137,6816
Cleaning string, 10000 iterations:
A B C D E F A B C D E F A B C D E F A B C D E F A B C D E F A B C D E F A B C D E F A B C D E F
RegEx time elapsed: 290,5666
RemoveMultiSpace time elapsed: 64,6776
RemoveDuplicateSpaces time elapsed: 52,4732
目前，您正在用另一个单个空格替换单个空格。尝试匹配\s{2,}（或类似的内容，如果您想替换单个换行符和其他字符）。
您不能使用正则表达式。例如：
private static string NormalizeWhitespace(string test)
{
string trimmed = test.Trim();
var sb = new StringBuilder(trimmed.Length);
int i = 0;
while (i < trimmed.Length)
{
if (trimmed[i] == ' ')
{
sb.Append(trimmed[i]);
do { i++; } while (i < trimmed.Length && trimmed[i] == ' ');
}
sb.Append(trimmed[i]);
i++;
}
return sb.ToString();
}
使用此方法和以下测试平台：
private static readonly Regex MultipleWhitespaceRegex = new Regex(
@"\s+",
RegexOptions.Compiled);
static void Main(string[] args)
{
string test = "regex select all multiple whitespace chars";
const int Iterations = 15000;
var sw = new Stopwatch();
sw.Start();
for (int i = 0; i < Iterations; i++)
{
NormalizeWhitespace(test);
}
sw.Stop();
Console.WriteLine("{0}ms", sw.ElapsedMilliseconds);
sw.Reset();
sw.Start();
for (int i = 0; i < Iterations; i++)
{
MultipleWhitespaceRegex.Replace(test, " ");
}
sw.Stop();
Console.WriteLine("{0}ms", sw.ElapsedMilliseconds);
}
// NormalizeWhitespace - 27ms
// Regex - 132ms
String.Trim的调用进一步优化，并且仅提供此内容以说明正则表达式有时不是最佳答案。' '，以及你没有使用变量 trimemd 这两个事实之外，这正是我要建议的。+1 - Rob Fonseca-Ensor static string RemoveConsecutiveSpaces(string input)
{
bool whiteSpaceWritten = false;
StringBuilder sbOutput = new StringBuilder(input.Length);
foreach (Char c in input)
{
if (c == ' ')
{
if (!whiteSpaceWritten)
{
whiteSpaceWritten = true;
sbOutput.Append(c);
}
}
else
{
whiteSpaceWritten = false;
sbOutput.Append(c);
}
}
return sbOutput.ToString();
}
[ \r\n]+或[ \n]+或仅使用 +(如果只有空格)，基本上将其限制为最小字符集。由于这是一个非常简单的表达式，只需用单个空格替换两个或多个空格，摆脱Regex对象并自己硬编码替换（在C++/CLI中）：
String ^text = "Some text to process";
bool spaces = false;
// make the following static and just clear it rather than reallocating it every time
System::Text::StringBuilder ^output = gcnew System::Text::StringBuilder;
for (int i = 0, l = text->Length ; i < l ; ++i)
{
if (spaces)
{
if (text [i] != ' ')
{
output->Append (text [i]);
spaces = false;
}
}
else
{
output->Append (text [i]);
if (text [i] == ' ')
{
spaces = true;
}
}
}
text = output->ToString ();
数组总是更快
public static string RemoveMultiSpace(string input)
{
var value = input;
if (!string.IsNullOrEmpty(input))
{
var isSpace = false;
var index = 0;
var length = input.Length;
var tempArray = new char[length];
for (int i = 0; i < length; i++)
{
var symbol = input[i];
if (symbol == ' ')
{
if (!isSpace)
{
tempArray[index++] = symbol;
}
isSpace = true;
}
else
{
tempArray[index++] = symbol;
isSpace = false;
}
}
value = new string(tempArray, 0, index);
}
return value;
}
var 关键字的过度使用。为什么要将数组复制到另一个数组中，而不是直接从 tempArray 创建字符串？ - Guffa