寻找Java中String.split性能更好的方法

String.split 是Java里很经常使用的字符串操做，在普通业务操做里使用的话并无什么问题，但若是须要追求高性能的分割的话，须要花一点心思找出能够提升性能的方法。

String.split方法的分割参数regex实际不是字符串，而是正则表达式，就是说分隔字符串支持按正则进行分割，虽然这个特性看上去很是好，但从另外一个角度来讲也是性能杀手。

在Java6的实现里，String.split每次调用都直接新建Pattern对象对参数进行正则表达式的编译，再进行字符串分隔，而正则表达式的编译从字面上看就知道须要耗很多时间，而且实现中也没有对Pattern进行缓存，所以屡次频繁调用的使用场景下性能不好，若是是要使用正则表达式分隔的话，应该自行对Pattern进行缓存。

public String[] split(String regex, int limit) {
    return Pattern.compile(regex).split(this, limit);
}

但不少时候咱们并不会真的想使用正则表达式分隔字符串，咱们其实想的只是用一个简单的字符好比空格、下划线分隔字符串而已，为了须要是知足这个需求却要背上正则表达式支持的性能损耗，很是不值得。

所以在Java7的实现里，针对单字符的分隔进行了优化，对这种场景实现了更合适的方法。单字符不走正则表达式的实现，直接利用indexOf快速定位分隔位置，提升性能。

/* fastpath if the regex is a
    (1)one-char String and this character is not one of the
    RegEx's meta characters ".$|()[{^?*+\\", or
    (2)two-char String and the first char is the backslash and
    the second is not the ascii digit or ascii letter.
*/
char ch = 0;
if (((regex.value.length == 1 &&
        ".$|()[{^?*+\\".indexOf(ch = regex.charAt(0)) == -1) ||
        (regex.length() == 2 &&
        regex.charAt(0) == '\\' &&
        (((ch = regex.charAt(1))-'0')|('9'-ch)) < 0 &&
        ((ch-'a')|('z'-ch)) < 0 &&
        ((ch-'A')|('Z'-ch)) < 0)) &&
    (ch < Character.MIN_HIGH_SURROGATE ||
        ch > Character.MAX_LOW_SURROGATE))
{
    int off = 0;
    int next = 0;
    boolean limited = limit > 0;
    ArrayList<String> list = new ArrayList<>();
    while ((next = indexOf(ch, off)) != -1) {
        if (!limited || list.size() < limit - 1) {
            list.add(substring(off, next));
            off = next + 1;
        } else {    // last one
            //assert (list.size() == limit - 1);
            list.add(substring(off, value.length));
            off = value.length;
            break;
        }
    }
    // If no match was found, return this
    if (off == 0)
        return new String[]{this};

    // Add remaining segment
    if (!limited || list.size() < limit)
        list.add(substring(off, value.length));

    // Construct result
    int resultSize = list.size();
    if (limit == 0)
        while (resultSize > 0 && list.get(resultSize - 1).length() == 0)
            resultSize--;
    String[] result = new String[resultSize];
    return list.subList(0, resultSize).toArray(result);
}

有没有更快的方法？若是分隔符不是单字符并且也不须要按正则分隔的话，使用split的方法还会和Java6同样使用正则表达式。这里还有其余备用手段：

1. 使用StringTokenizer,StringTokenizer没有正则表达式分隔的功能，单纯的根据分隔符逐次返回分隔的子串，默认按空格分隔，性能比String.split方法稍好，但这个类实现比较老，属于jdk的遗留类，并且注释上也说明不建议使用这个类。
2. 使用org.apache.commons.lang3.StringUtils.split分隔字符串，针对不须要按正则分隔的场景提供更好的实现，分隔符支持字符串。

还能有更快的方法么？注意到String.split和StringUtils.split方法返回值是String[], 原始数组的大小是固定的，而在分隔字符串不可能提早知道分隔了多少个子串，那这个数组确定藏了猫腻，看看是怎么实现的。

定位String.split单字符实现，发现分隔的子串其实保存在ArrayList里，并无高深的技巧，直到路径的最后一行，代码对存储了子串的ArrayList再转成数组，而toArray的实现里对数组进行了复制。

return list.subList(0, resultSize).toArray(result);

StringUtils.split方法里一样也是这样。

return list.toArray(new String[list.size()]);

所以这里能够作一个优化，把代码实现复制过来，而后将方法参数返回类型改成List，减小数组复制的内存消耗。

还能有更快的方法么？其实不少时候咱们须要对分隔后的字符串进行遍历访问作一些操做，并非真的须要这个数组，这和文件读取是同样的道理，读文件不须要把整个文件读入到内存中再使用，彻底能够一次读取一行进行处理，所以还能够作一个优化，增长参数做为子串处理方法的回调，在相应地方改成对回调的调用，这样能彻底避免数组的建立。也就是说，把字符串分隔看作一个流。

private static void splitWorker(final String str, final String separatorChars, final int max, final boolean preserveAllTokens, Consumer<String> onSplit) {
    if (str == null) {
        return;
    }
    final int len = str.length();
    if (len == 0) {
        return;
    }
    int sizePlus1 = 1;
    int i = 0, start = 0;
    boolean match = false;
    boolean lastMatch = false;
    if (separatorChars == null) {
        // Null separator means use whitespace
        while (i < len) {
            if (Character.isWhitespace(str.charAt(i))) {
                if (match || preserveAllTokens) {
                    lastMatch = true;
                    if (sizePlus1++ == max) {
                        i = len;
                        lastMatch = false;
                    }
                    onSplit.accept(str.substring(start, i));
                    match = false;
                }
                start = ++i;
                continue;
            }
            lastMatch = false;
            match = true;
            i++;
        }
    } else if (separatorChars.length() == 1) {
        // Optimise 1 character case
        final char sep = separatorChars.charAt(0);
        while (i < len) {
            if (str.charAt(i) == sep) {
                if (match || preserveAllTokens) {
                    lastMatch = true;
                    if (sizePlus1++ == max) {
                        i = len;
                        lastMatch = false;
                    }
                    onSplit.accept(str.substring(start, i));
                    match = false;
                }
                start = ++i;
                continue;
            }
            lastMatch = false;
            match = true;
            i++;
        }
    } else {
        // standard case
        while (i < len) {
            if (separatorChars.indexOf(str.charAt(i)) >= 0) {
                if (match || preserveAllTokens) {
                    lastMatch = true;
                    if (sizePlus1++ == max) {
                        i = len;
                        lastMatch = false;
                    }
                    onSplit.accept(str.substring(start, i));
                    match = false;
                }
                start = ++i;
                continue;
            }
            lastMatch = false;
            match = true;
            i++;
        }
    }
    if (match || preserveAllTokens && lastMatch) {
        onSplit.accept(str.substring(start, i));
    }
}

public static void split(final String str, final String separatorChars, Consumer<String> onSplit) {
    splitWorker(str, separatorChars, -1, false, onSplit);
}

// 使用方法
public void example() {
    split("Hello world", " ", System.out::println);
}

还能有更快的方法么？也有更极端的优化方法，由于在拿子串（substring方法）时实际发生了一次字符串复制，所以能够把回调函数改成传入子串在字符串的区间start、end，回调再根据区间读取子串进行处理，但并非很通用，这里就不展现代码了，有兴趣的能够试一下。

还能有更快的方...