Java字符串解析：正则表达式与字符串方法哪个更快？

Question

我面临一个两难的境地。 我正在解析一个字符串，可以选择

s.matches(regex)

或者我可以做。

s.startsWith(..) && s.endsWith(..)

正如您已经意识到的那样，这不是一个复杂的正则表达式，两种情况都可以工作。 思路是，字符串可能非常长（数百个字符），因此我希望最大化效率。 哪种方法适用于问题并更好？

- buddy123

---

正则表达式由于需要编译，所以速度较慢。 - G.S

每当我看到像“什么更快？”这样的问题时，我总是想，“那就基准测试一下，自己试试就知道了”。 - HamZa

你可以在大约5分钟内编写基准测试。 - tom

请记得缓存您的正则表达式。 - Scary Wombat

为什么不计时执行两者并告诉我们时间？ - Bohemian

Answer 1

这里有一个相当粗略的基准测试，可供参考。将其调整到您的用例以获得更相关的结果。

简短总结

• startsWith()和endsWith()速度更快

---

详细结果

运行100万次后的结果：

- 未编译的模式:        1091 毫秒
- 已编译的模式:         745 毫秒
- startsWith() / endsWith(): 24 毫秒

public class TestRegex {

    String regex = "^start.*end$";
    Pattern p = Pattern.compile(regex);
    
    String start = "start";
    String end = "end";
    String search = start + "fewbjlhfgljghfadsjhfdsaglfdhjgahfgfjkhgfdkhjsagafdskghjafdkhjgfadskhjgfdsakhjgfdaskhjgafdskjhgafdsjhkgfads" + end;
    
    int runs = 1000000;

    @Test
    public final void test() {
        // Init run
        for (int i = 0; i < runs; i++) {
            search.matches(regex);
        }
        for (int i = 0; i < runs; i++) {
            p.matcher(search).matches();
        }
        for (int i = 0; i < runs; i++) {
            search.startsWith(start);
            search.endsWith(end);
        }


        // Timed run
        Stopwatch s = Stopwatch.createStarted();
        for (int i = 0; i < runs; i++) {
            search.matches(regex);
        }
        System.out.println(s.elapsed(TimeUnit.MILLISECONDS));
        s.reset();
        
        s.start();
        for (int i = 0; i < runs; i++) {
            p.matcher(search).matches();
        }
        System.out.println(s.elapsed(TimeUnit.MILLISECONDS));
        s.reset();
        
        s.start();
        for (int i = 0; i < runs; i++) {
            search.startsWith(start);
            search.endsWith(end);
        }
        System.out.println(s.elapsed(TimeUnit.MILLISECONDS));
    }

}

- tom

---

JIT将使用高度优化的汇编代码替换某些字符串方法；有时，它们可以用单个CPU指令替换。 - Aaron Digulla

Answer 2

请注意，如果期望在结束处的字符串是起始字符串的后缀，则两种方法可能报告不同的结果：

^start.*art$

无法匹配。

"start"

当……的时候

"start".startsWith("start") && "start".endsWith("art")

将会是真的。

- Ingo

Answer 3

实际上，即使是对于小字符串，它们之间的差异也是存在且明显的。使用模式的编译版本可以提高一些性能，但毫无疑问，在匹配容易的情况下，这是最糟糕的选择。

感谢大家。

- buddy123