Повышение производительности / улучшение с помощью регулярных выражений

Question

Если мне нужно проверить, существует ли, например, слово A или слово B в тексте (строка), есть ли разница в производительности, если я это сделаю:

if(text.contains(wordA) || text.contains(wordB))

чтобы использовать какое-то регулярное выражение, которое ищет строку?
Зависит ли это от формата регулярного выражения?
Или это просто вопрос вкуса?

UPDATE:
Если text.contains(wordA) равно false, то text.contains(wordB) будет оцениваться.
Это означает, что contains будет вызываться дважды.

Я думал, что с точки зрения производительности регулярное выражение может быть лучше, чем дважды вызывать contains.

Answer 1

Хотя производительность регулярного выражения ниже, он обладает большей выразительной силой, и часто это важнее. Например.

 "performance".contains("form") // is true

это может быть не та пшеница, которую вы подразумевали под "словом". Вместо этого вы можете иметь шаблон

 "\\bform\\b"

Это будет соответствовать только полному слову в строке, которое может быть в начале или в конце.

Answer 2

Код, который у вас есть, четко выражает ваши намерения, более удобен для чтения, чем регулярное выражение, и, вероятно, быстрее.

В любом случае, существует очень низкая вероятность того, что эта часть вашего кода вызовет какие-либо существенные проблемы с производительностью. Так что я буду беспокоиться не о производительности, а о удобочитаемости и удобстве обслуживания.

Answer 3

Да, их разница. Contains выполняет различные манипуляции с массивами для поиска слов, регулярное выражение использует дифференцированную логику, поэтому она будет отличаться, производительность даже будет меняться в зависимости от того, как вы используете сопоставление с регулярным выражением.

Будет ли это значительным? это трудно сказать. Но самое лучшее, что вы должны осознать:

Сначала напишите свой код и не беспокойтесь о производительности, пока не столкнетесь с проблемами, после того как профилирование ясно покажет, что этот тест является проблемой.

Я бы просто использовал метод содержимого. Но это мнение, на самом деле ничего не проверяя.

Answer 4

На мой взгляд, дело вкуса.Избегайте преждевременной оптимизации, см. Практические правила для преждевременной оптимизации .

1. Как правило, если вы ищете слова подстроки , а не шаблоны, тогда не используйте регулярные выражения.

2. Для такого простого регулярного выражения с текстом будет существовать лишь небольшая разница в производительностипоиск, поэтому, если вы делаете этот поиск только время от времени, это не проблема производительности.Если вы делаете это несколько тысяч или более раз в цикле, то сделайте тест , если у вас проблемы с производительностью

Answer 5

В этом тривиальном примере вы не увидите большой разницы в производительности, но чисто из задействованных алгоритмов регулярное выражение

wordA|wordB

действительно будет быстрее, поскольку оно просто делает один проход черезстрока и использует конечный автомат, чтобы соответствовать одной из двух подстрок.Однако это компенсируется построением конечного автомата первым, который в этом случае должен быть почти линейным по длине регулярного выражения.Вы можете сначала скомпилировать регулярное выражение, чтобы иметь эту стоимость только один раз в течение всего срока жизни скомпилированного объекта.

Таким образом, по существу стоимость сводится к:

• линейному поиску в строке дважды (2· длина строки )
• или линейный поиск по строке один раз и построение DFA ( длина строки + длина регулярного выражения )

, если ваш текст очень большой и подстроки очень маленький, тогда это может стоить.

Тем не менее, выОптимизируем не то место, скорее всего.Используйте профилировщик, чтобы найти фактические узкие места в вашем коде и оптимизировать их;никогда не беспокойтесь о таких тривиальных «оптимизациях», если только вы не докажете, что они оказывают влияние.

И последнее, что нужно учесть: с помощью регулярного выражения вы можете убедиться, что вы действительно соответствуете словам (иливещи, которые выглядят как слова) вместо частей слова, что может быть реальной причиной для рассмотрения регулярных выражений вместо contains.