最近在阅读java.lang下的源码，读到String时，突然想起面试的时候曾经被人问过：都知道在大数据量情况下，使用String的split截取字符串效率很低，有想过用其他的方法替代吗？用什么替代？我当时的回答很斩钉截铁：没有。
google了一下，发现有2中替代方法，于是在这里我将对这三种方式进行测试。
测试的软件环境为：Windows XP、eclipse、JDK1.6。
测试用例使用类ip形式的字符串，即3位一组，使用”.”间隔。数据分别使用：5组、10组、100组、1000组、10000组、100000组。
实现
闲话不说，先上代码：
1package test.java.lang.ref; 2 3import java.util.Random; 4import java.util.StringTokenizer; 5 6/** 7 * String测试类 8 * @author xiaori.Liu 9 * 10 */ 11public class StringTest { 12 13 public static void main(String args[]){ 14 String orginStr = getOriginStr(10); 15 16 //////////////String.splic()表现////////////////////////////////////////////// 17 System.out.println("使用String.splic()的切分字符串"); 18 long st1 = System.nanoTime(); 19 String [] result = orginStr.split("\\."); 20 System.out.println("String.splic()截取字符串用时：" + (System.nanoTime()-st1)); 21 System.out.println("String.splic()截取字符串结果个数：" + result.length); 22 System.out.println(); 23 24 //////////////StringTokenizer表现////////////////////////////////////////////// 25 System.out.println("使用StringTokenizer的切分字符串"); 26 long st3 = System.nanoTime(); 27 StringTokenizer token=new StringTokenizer(orginStr,"."); 28 System.out.println("StringTokenizer截取字符串用时:"+(System.nanoTime()-st3)); 29 System.out.println("StringTokenizer截取字符串结果个数：" + token.countTokens()); 30 System.out.println(); 31 32 ////////////////////String.substring()表现////////////////////////////////////////// 33 34 35 long st5 = System.nanoTime(); 36 int len = orginStr.lastIndexOf("."); 37 System.out.println("使用String.substring()切分字符串"); 38 int k=0,count=0; 39 40 for (int i = 0; i <= len; i++) { 41 if(orginStr.substring(i, i+1).equals(".")){ 42 if(count==0){ 43 orginStr.substring(0, i); 44 }else{ 45 orginStr.substring(k+1, i); 46 if(i == len){ 47 orginStr.substring(len+1, orginStr.length()); 48 } 49 } 50 k=i;count++; 51 } 52 } 53 System.out.println("String.substring()截取字符串用时"+(System.nanoTime()-st5)); 54 System.out.println("String.substring()截取字符串结果个数：" + (count + 1)); 55 } 56 57 /** 58 * 构造目标字符串 59 * eg：10.123.12.154.154 60 * @param len 目标字符串组数(每组由3个随机数组成) 61 * @return 62 */ 63 private static String getOriginStr(int len){ 64 65 StringBuffer sb = new StringBuffer(); 66 StringBuffer result = new StringBuffer(); 67 Random random = new Random(); 68 for(int i = 0; i < len; i++){ 69 sb.append(random.nextInt(9)).append(random.nextInt(9)).append(random.nextInt(9)); 70 result.append(sb.toString()); 71 sb.delete(0, sb.length()); 72 if(i != len-1) 73 result.append("."); 74 } 75 76 return result.toString(); 77 } 78}
改变目标数据长度修改getOriginStr的len参数即可。
5组测试数据结果如下图：
下面这张图对比了下，split耗时为substring和StringTokenizer耗时的倍数：
好吧，我又花了点儿时间，做了几张图表来分析这3中方式的性能。
首先来一张柱状图对比一下这5组数据截取所花费的时间：
从上图可以看出StringTokenizer的性能实在是太好了(对比另两种),几乎在图表中看不见它的身影。遥遥领先。substring花费的时间始终比split要少，但是耗时也在随着数据量的增加而增加。
下面3张折线图可以很明显看出split、substring、StringTokenizer3中实现随着数据量增加，耗时的趋势。
split是变化最大的，也就是数据量越大，截取所需要的时间增长越快。
substring则比split要平稳一点点，但是也在增长。
StringTokenizer则是表现最优秀的，基本上平稳，始终保持在5000ns一下。
结论
最终，StringTokenizer在截取字符串中效率最高，不论数据量大小，几乎持平。substring则要次之，数据量增加耗时也要随之增加。split则是表现最差劲的。
究其原因，split的实现方式是采用正则表达式实现，所以其性能会比较低。至于正则表达式为何低，还未去验证。split源码如下：
1public String[] split(String regex, int limit) { 2 return Pattern.compile(regex).split(this, limit); 3}