写程序很难之去除字符串的空白字符，去除字符串空白字符
写程序很难之去除字符串的空白字符，去除字符串空白字符
在做性能调优时，用JProfiler测试Web应用的性能，发现有个replaceBlank函数占用了10%的CPU时间，进去看了下，是个简单的用正则去除XML文档里空白字符串的功能。但是这个简单功能却消耗了10%的性能。
在Web应用里，去掉空白字符串，似乎是个简单的功能，但是真正写起来，却也有些麻烦事。总结下。
方式一：正则表达式
http://stackoverflow.com/questions/5455794/removing-whitespace-from-strings-in-java
有两种写法：
s.replaceAll("\\s+", "");
s.replaceAll("\\s", "");
至于具体哪一种比较好，和具体的场景有有关。有连续空白字符串的选择每一种，如果是空白字符串都只有一个的话，就选择第二种。个人倾向于第一种。
正则表达式是比较慢的，比下面的方法要慢3到4倍以上。
方式二：org.springframework.util.StringUtils.trimAllWhitespace
具体的实现代码如下：
public static String trimAllWhitespace(String str) {
if (!hasLength(str)) {
return str;
}
StringBuilder sb = new StringBuilder(str);
int index = 0;
while (sb.length() > index) {
if (Character.isWhitespace(sb.charAt(index))) {
sb.deleteCharAt(index);
}
else {
index++;
}
}
return sb.toString();
}
看起来，没有什么问题，但是程序员的直觉：deleteCharAt函数是怎么实现的？应该不会有什么高效的算法可以实现这样的。
果然，实现代码如下：
public AbstractStringBuilder deleteCharAt(int index) {
if ((index < 0) || (index >= count))
throw new StringIndexOutOfBoundsException(index);
System.arraycopy(value, index+1, value, index, count-index-1);
count--;
return this;
}
显然，过多地调用System.arraycopy会有性能问题。
方式三：改为调用StringBuilder.append 函数
static public String myTrimAllWhitespace(String str) {
if (str != null) {
int len = str.length();
if (len > 0) {
StringBuilder sb = new StringBuilder(len);
for (int i = 0; i < len; ++i) {
char c = str.charAt(i);
if (!Character.isWhitespace(c)) {
sb.append(c);
}
}
return sb.toString();
}
}
return str;
}
这个是最开始的思路。实际测试了下，发现大部分情况上，要比方式二效率高。
但是在某些情况，比如”aaaaaaaaaaaaaaaaaaaaaaaaaaaaaaa aaaaaaaaaaaaaaaaaaaa”，这种只有一个空白字符的，效率要慢。
方式四：结合二，三，只用System.arraycopy复制部分内存
第二种方式，在调用deleteAt时，要整个拷贝后面的所有字符串，显然在字符串很长的情况下，效率会降低。于是考虑只复制部分内存。
用两种pos来标记哪一部分是连续的非空白字符串。
static public String myTrimAllWhitespace3(String str) {
if (str != null) {
int len = str.length();
if (len > 0) {
char[] src = str.toCharArray();
char[] dest = new char[src.length];
int destPos = 0;
for (int pos1 = 0, pos2 = 0; pos2 < src.length;) {
if (Character.isWhitespace(src[pos2])) {
if (pos1 == pos2) {
pos1++;
pos2++;
} else {
System.arraycopy(src, pos1, dest, destPos, pos2
- pos1);
destPos += (pos2 - pos1);
pos2++;
pos1 = pos2;
}
} else {
pos2++;
}
if (pos2 == src.length) {
if (pos1 != pos2) {
System.arraycopy(src, pos1, dest, destPos, pos2
- pos1);
destPos += (pos2 - pos1);
}
return new String(dest, 0, destPos);
}
}
}
}
return str;
}
方式五：去掉StringBuilder，直接操作char[]
在写完方式四，之后，测试发现效率在中间，和方式二，三相比，不好也不坏。似乎找到了一个平衡点。
但是忽然想到，既然在方式四中不直接操作char[]数组，为何不在方式二也这么做？于是有了：
static public String myTrimAllWhitespace2(String str) {
if (str != null) {
int len = str.length();
if (len > 0) {
char[] dest = new char[len];
int destPos = 0;
for (int i = 0; i < len; ++i) {
char c = str.charAt(i);
if (!Character.isWhitespace(c)) {
dest[destPos++] = c;
}
}
return new String(dest, 0, destPos);
}
}
return str;
}
第六点：Unicode
上面的几种方式都只能处理大部分的情况，对于部分Unicode字符串，可能会有问题。
因为本人对这个比较敏感，最后写了个Unicode字符的处理：
static public String myTrimAllWhitespace3(String str) {
if (str != null) {
int len = str.length();
if (len > 0) {
char[] src = str.toCharArray();
char[] dest = new char[src.length];
int destPos = 0;
for (int pos1 = 0, pos2 = 0; pos2 < src.length;) {
if (Character.isWhitespace(src[pos2])) {
if (pos1 == pos2) {
pos1++;
pos2++;
} else {
System.arraycopy(src, pos1, dest, destPos, pos2
- pos1);
destPos += (pos2 - pos1);
pos2++;
pos1 = pos2;
}
} else {
pos2++;
}
if (pos2 == src.length) {
if (pos1 != pos2) {
System.arraycopy(src, pos1, dest, destPos, pos2
- pos1);
destPos += (pos2 - pos1);
}
return new String(dest, 0, destPos);
}
}
}
}
return str;
}
这个处理Unicode的非常慢。。Java的String类并没有暴露足够多的函数来处理Unicode，所以处理起来很蛋疼。
总结：
测试代码在：
https://gist.github.com/hengyunabc/a4651e90db24cc5ed29a
我的电脑上测试最快的代码是方式五里的。
可能在某些特殊情况下，方式四中用System.arraycopy来复制标记两段内存会快点，但这个算法太复杂了，得不偿失。
本人倾向于符合直觉，而且效率线性的算法。
给spring提了个path，一开始是方式三的代码，但是在某些情况下效率不高，导致周末心神不宁。。于是就有了后面的几种方式。
一个简单的功能，直正实现起来却也不容易，所以我尽量避免写Util类和方式，因为保证代码的质量，性能，不是一件容易的事。
https://github.com/spring-projects/spring-framework/pull/562
用户点评