Java - 检查String大小的最快方法

Question

我在循环语句中有以下代码.
在循环中,字符串被附加到sb(StringBuilder)并检查sb的大小是否已达到5MB.

if (sb.toString().getBytes("UTF-8").length >= 5242880) {
    // Do something
}

这工作正常,但它很慢(在检查大小方面)
最快的方法是什么？

Answer 1

您可以UTF-8使用快速计算长度

public static int utf8Length(CharSequence cs) {
    return cs.codePoints()
        .map(cp -> cp<=0x7ff? cp<=0x7f? 1: 2: cp<=0xffff? 3: 4)
        .sum();
}

如果ASCII字符在内容中占主导地位,则使用起来可能会稍快一些

public static int utf8Length(CharSequence cs) {
    return cs.length()
         + cs.codePoints().filter(cp -> cp>0x7f).map(cp -> cp<=0x7ff? 1: 2).sum();
}

代替.

但是您也可以考虑不重新计算整个大小的优化潜力,而只考虑您要附加到的新片段的大小StringBuilder,类似的东西

    StringBuilder sb = new StringBuilder();
    int length = 0;
    for(…; …; …) {
        String s = … //calculateNextString();
        sb.append(s);
        length += utf8Length(s);
        if(length >= 5242880) {
            // Do something

            // in case you're flushing the data:
            sb.setLength(0);
            length = 0;
        }
    }

这假设如果你附加包含代理对的片段,它们总是完整的并且不会被分成两半.对于普通应用,情况应始终如此.

Didier-L建议的另一种可能性是推迟计算,直到StringBuilder达到阈值的长度除以3,如前所述,不可能有一个UTF-8大于阈值的长度.但是,如果碰巧threshold / 3在某些执行中没有达到,那么这将是有益的.

Answer 2

如果循环1000次,则会生成1000String,然后转换为"UTF-8 Byte"数组,以获得长度.

我会通过存储第一个长度来减少转换.然后,在每个循环上,只获取添加值的长度,然后这只是一个补充.

int length = sb.toString().getBytes("UTF-8").length;
for(String s : list){
    sb.append(s);
    length += s.getBytes("UTF-8").length;
    if(...){
    ...
    }
}

这将减少使用的内存和转换成本