在C#中优化字符串操作

性能测试代码：/Files/zhuqil/PerformanceTest.zip 

     程序员通常都希望自己能的编写易读，易维护和易扩展的代码。然而，某些情况下，性能变成最重要的事情。本文提供了几个有用的窍门，来提高你常见的字符串操作的性能。

      最近，我花了很多时间去研究一个简单的代码编辑器。这个应用程序的主要特点之一是语法高亮，实现这样的功能，性能是关键。我花了很多时间来优化我的代码。在做这个项目的同时，我也学到了很多。在这里，我向大家分享一下我的经验。

      附在本文中的项目包含一个简单的基准测试应用程序，来比较下面描述的方法。

  N0.1:在字符串中搜索一个单词

      对字符串进行搜索是一件常见的任务。有几种方法可以做到这一点，下面将讨论每种方法。

1、使用正则表达式

      正则表达式是一个非常强大的，有用的，对于数据验证和字符串搜索是非常快速的 ，但是，当性能很重要，正则表达式可能成为一场噩梦，你可以做几件事，使你的代码运行得更快。

    规则＃1：写一个好的正则表达式

    写一个正则表达式可能很容易，但写一个有效的正则表达式，也是一个挑战，优化正则表达式已经超出了本文的范围，有在网络上有许多讨论这一主题文章和书籍。最重要的规则是：保持简单，复杂的规则表达式，包括大量的交替，通常需要很长时间才能执行。

   规则＃2：不要使用Regex类的静态方法

Regex类提供了一些静态的方法，进行基本的操作。下面的代码查找字符串变量input 是否包含变量pattern。

string  input  =   " The quick brown fox jumps over the lazy dog " ;
string  pattern  =   " fox " ;  
if  (Regex.IsMatch(input, pattern)) {
   /*  More code here...  */
}        

    IsMatch方法根据pattern变量中创建一个Regex对象，然后试着匹配input字符串，这个过程表现地非常缓慢，正则表达式不重复使用，这个才非常有用。

规则＃3：尽可能地重复使用Regex对象

如上所述，一个正则表达式对象的创建需要一段时间，你应该避免频繁创建。在某些情况下，您可以在应用程序的启动的时候初始化一切必要的正则表达式，然后多次利用他们来处理长段的文本。这将会提高性能。

规则＃4：考虑使用编译的正则表达式

   当创建一个正则表达式对象，如果你使用编译的选项，性能会更好。

Regex pattern = new Regex("SomePattern", RegexOptions.Compiled);

     虽然有几个缺点，编译正则表达式增加了应用程序的启动时间，造成更多的内存使用，Jeff Atwood 写了一篇文章，讨论了编译的正则表达式优势和缺点：

     http://www.codinghorror.com/blog/archives/000228.html 

2、使用indexOf()方法

    在一个字符串内进行搜索的时候，字符串类型IndexOf方法是非常有用的。你应该知道一些东西，来有效使用此方法。

    a、尽量使用char类型

    有两个IndexOf方法重载方法，第一个参数可以是一个字符或一个字符串，使用字符重载方法将快很多。如果您知道您正在搜索字符串的长度为1，请使用char类型代替。

    b、一个不成功搜索所花的时间将超过一个成功的搜索：

    这其实并不奇怪，如果IndexOf方法成功，它将返回给定的字符串或字符首次出现的位置，它省去了剩余字符串的搜索时间。 相反，如果输入的字符串不包含给定的字符或者字符串，IndexOf函数将对整个输入字符串进行搜索。

    c、经常有一种方法来消除不成功的搜索，例如，如果你想知道输入的字符串是否包含了一组单词的，你可以先搜索那些更可能出现在输入字符串的字符。

3、从零开始写的文本搜索的方法

    现在，到了的最有趣的部分。IndexOf方法搜索一个字符时是相当快的，但搜索一个单词是缓慢的，如何有一个更快的方式在字符串内搜索单词呢？

    花了一些时间，为寻找可能最快的的解决办法，以下方法是我想出的。

代码

static   int  FastIndexOf( string  source,  string  pattern) {
   bool  found;
   int  limit  =  source.Length  -  pattern.Length  +   1 ;
   if  (limit  <   1 )  return   - 1 ;

   //  Store the first 2 characters of "pattern"
   char  c0  =  pattern[ ];
   char  c1  =  pattern.Length  >   1   ?  pattern[ 1 ] :  '   ' ;

   //  Find the first occurrence of the first character
   int  first  =  source.IndexOf(c0,  , limit);

   while  (first  !=   - 1 ) {

     //  Check if the following character is the same like the 2nd character of "pattern"
     if  (pattern.Length  >   1   &&  source[first  +   1 ]  !=  c1) {
      first  =  source.IndexOf(c0,  ++ first, limit  -  first);
       continue ;
    }

     //  Check the rest of "pattern" (starting with the 3rd character)
    found  =   true ;
     for  ( int  j  =   2 ; j  <  pattern.Length; j ++ )
       if  (source[first  +  j]  !=  pattern[j]) {
        found  =   false ;
         break ;
      }

     //  If the whole word was found, return its index, otherwise try again
     if  (found)  return  first;
    first  =  source.IndexOf(c0,  ++ first, limit  -  first);
  }
   return   - 1 ;
}

    此函数基于IndexOf方法搜索一个字符非常快这个事实的。

    基本想法非常的简单，这个方法先搜索这个单词的第一个字符。如果一旦找到，它检测下一个的字符，该代码是有点乱，因为它包含了很多小的优化。例如，我发现，如果该方法在启动检测这个词的其余部分的“for”循环之前检查第二个字符（第一个已近被找到），平均性能将会更好。

    我已经对随机生成的字符串进行大量测试，比较上述所列三种方案和这里是结果：

    a、对一个单词的搜索，IndexOf函数速度总是比我的自定义FastIndexOf方法慢20%左右。

    b、如果输入字符和匹配字符串都足够的长，正则表达式是最快的方式找到一个字符串，

    下图是根据我的测量的值。它显示了两种最快的办法取决于输入字符串的长度：

    纵轴表示这个词的长度（以字符数），横轴显示的是（以字符）输入字符串的长度。条纹地区是自定义搜索方法优于正则表达式。

请注意，所有测量值是近似的。

N0.2:替换转义字符

    另一种常见的字符串的操作是要替换转义字符。有时替换是很容易的，你只需要设立一个反斜杠（或其他字符）在每一个转义字符的前面。

    试想以下情况：你是建立一个RTF文件，你要在文件中的插入字符串。在RTF文件中"(",")"和"\"字符具有特殊的意义,因此，必须先用反斜杠。现在的问题是：什么是最快的方法，以取代相应的转义序列的每个字符？

正则表达式

1、 用Regex类的 Replace  法是其中一个可行办法。但是，在这种情况下，使用正则表达式是目前最慢的选择。

2、字符串的 Replace() 方法

string  input;

/*  ....  */

input.Replace( " \\ " ,  " \\\\ " ).Replace( " { " ,  " \\{ " ).Replace( " } " ,  " \\} " ); 

    另一种简单的方法是使用的字符串类型Replace方法，当建立RTF文件，该更换程序将如下：这个易读，简短和干净的，但它并不总是最快的选择。

3、从头编写一个自定义方法

     就像前面的情况，我想编写一个定制的方法，完成相同的任务。以下是代码：

代码

static   string  Escape1( string  source,  char [] escapeChars,  char  escape) {
   int  i  =  source.IndexOfAny(escapeChars);
   while  (i  !=   - 1 ) {
    source  =  source.Insert(i, escape.ToString());
    i  =  source.IndexOfAny(escapeChars, i  +   2 );
  }
   return  source.ToString();
}

      第一个参数是输入字符串，第二个是一个被转义字符数组，最后一个参数是转义字符，正如你可能知道，如果你需要做连续许多操作，直接编辑字符串的效率不是很高。StringBuilder类提供了一种有效的方式来编辑字符串，虽然它需要一点时间来初始化一个StringBuilder对象，如果你知道你需要反复编辑字符串，这需要合理的使用StringBuilder。

    我创建的另一个种使用StringBuilder方法：

代码

static   string  Escape2( string  source,  char [] escapeChars,  char  escape) {
  StringBuilder s  =   new  StringBuilder();
   int  j  =   ;
   int  i  =  source.IndexOfAny(escapeChars);
   while  (i  !=   - 1 ) {
    s.Append(source.Substring(j, i  -  j));
    s.Append(escape);
    j  =  i;
    i  =  source.IndexOfAny(escapeChars, j  +   1 );
  }
  s.Append(source.Substring(j));
   return  s.ToString();
}

    我使用了3个方法来取代转义序列的3字符集描述方法。下图显示，该方法是最快的一个取决于输入字符串：

 

    纵轴显示转义字符串中的字符数，而横轴显示出现的转义字符频率的百分比。频率为50，即每输入字符串的都需要其他字符转义，频率为1，只有1％的字符输入字符串（每100字符）是转义的。

    如果有足够的字符进行转义，如果转义字符频率足够高（带区面积的左上图的右上角），String.Replace方法证明是最快的。

    图的其他部分显示：在大多数情况下，自定义字符转义方法是最快的选择。正如所料，如果替换的字符数足够多，在大约5个字符的情况下，该StringBuilder的方法更快。

    如果你想知道有点串更多string/StringBuilder 的性能比较，我建议以下的2个资源：

    Concatenating Strings Efficiently by Jon Skeet 

    StringBuilder vs String by Alois Kraus 

    如果你想要很高的性能，你必须知道处理的数据是什么样的，像我一样，你将不得不花一些时间比较所有可供选择。

    我希望这篇文章给你一个正确的方向，帮助你提高你的代码的性能。希望得到你的回复！

    参考原文：http://www.codeproject.com/KB/string/string_optimizations.aspx

 

 

原文链接： http://www.cnblogs.com/zhuqil/archive/2010/01/08/1641767.html