有没有比String.split（）更有效的方式将字符串分解成单词？

问题描述：

我当前的项目需要搜索歌曲的歌词，这是Song对象中的一个String字段。为了帮助提高搜索效率，我使用String.split("[^a-zA-Z]");创建歌曲对象时将歌词转储为一个集合，以创建一个String数组，然后添加到一个集合中。有没有比String.split（）更有效的方式将字符串分解成单词？

是否有一种特殊的方式来将单词添加到一个集合中，而不需要创建数组的中间步骤？

答

你是否在特定歌曲中搜索某些单词？如果是这样，你可能不需要为此设置一个集合，你可以从你得到歌词的点开始搜索。你可以使用这个简单的正则表达式，这可能比分割字符串，把它变成一个集和查询设置，那么快的方式位：

public class RegexpExample { 

public static void main(String[] args) { 
    String song = "Is this a real life? Is this just fantasy?"; 
    String toFind = "is"; 

    Pattern p = Pattern.compile(toFind, Pattern.CASE_INSENSITIVE); 
    Matcher m = p.matcher(song); 

    while (m.find()) { 
     String found = m.group(); 
     int startIndex = m.start(); 
     int endIndex = m.end(); 

     System.out.println(found + " at start " + startIndex + ", end " + endIndex); 
     //do something with this info... 
    } 
}

它会输出这样的：

Is at start 0, end 2 
is at start 5, end 7 
Is at start 21, end 23 
is at start 26, end 28

如果您在不同的歌曲搜索。然而，你可以使用StringBuilder串连他们的歌词，然后调用StringBuilder#toString与toString方法的结果做整个操作

当前项目正在运行搜索与特定单词不匹配的特定单词。您的解决方案似乎最适合短语搜索，这是下一个项目，我可能会实现您的答案。 – Jason 2010-11-09 13:02:22

答

是否有添加的话到一组，而无需创建一个阵列的中间步骤以特定的方式？

当然，你可以编写一个方法返回一个Iterator对象，该对象每次输出一个单词。

但是像这样的东西真的不值得优化。你的数组很容易小到可以放进内存中，它的创建不会很昂贵，并且垃圾收集器将在之后清理它。

答

StringTokenizer st = new StringTokenizer("the days go on and on without you here"); 
HashSet<String> words = new HashSet<String>(); 
while (st.hasMoreTokens()) { 
    words.add(st.nextToken()); 
}

：它像这样'的StringTokenizer是保持兼容性的原因，尽管其使用在新代码气馁的遗留类。建议任何寻求此功能的人都使用String或java.util.regex包的拆分方法。'有趣的解决方案，尽管 – Jason 2010-11-08 21:08:44

答

我不知道效率，但或者，你可以做根据的Javadoc

import java.io.StringReader; 

// ... 

public static Set<String> getLyricSet(String lyrics) throws IOException { 
    StringReader sr = new StringReader(lyrics); 
    StringBuilder sb = new StringBuilder(); 
    Set<String> set = new HashSet<String>(); 
    int current; 
    // Read characters one by one, returns -1 when we're done 
    while ((current = sr.read()) != -1) { 
     if (Character.isWhitespace(current)) { 
      // End of word, add current word to set. 
      set.add(sb.toString()); 
      sb = new StringBuilder(); 
     } else { 
      sb.append((char) current); 
     } 
    } 
    // End of lyrics, add current word to set. 
    set.add(sb.toString()); 
    sr.close(); 

    return set; 
}

有没有比String.split（）更有效的方式将字符串分解成单词？

相关推荐