使用 Swift 解析文本非常慢

Question

我正在尝试解析一个 46k 字符的文本文档，但这样做需要很长时间。这就是我所做的：

    for i in 0..<html.length() - SEARCH_START.length() {
        if html.substring(i, end: i+SEARCH_START.length()) == SEARCH_START {
                start = i + SEARCH_START.length();
                break;
        }
        if i % 1000 == 0 {
            NSLog("i = \(i)")
        }
    }

extension String {

    public func length () -> Int {
        return self.characters.count
    }
    public func substring(_ start : Int, end : Int) -> String {
        if self.characters.count <= 0 {
            return ""
        }
        let realEnd = end>0 ? end : 0
        return self.substring(with: self.index(self.startIndex, offsetBy: start)..<self.index(self.startIndex, offsetBy: realEnd))
    }
}

抱歉，必须扩展 String 类以减少 Android 的重写。 因此，每 6.5 秒触发一次日志，接下来的一千意味着 几乎 5 分钟 到达终点。整个过程应该需要几毫秒。这是怎么回事？有什么办法可以加快速度？

Answer 1

你Int 索引扩展是问题所在。要获得位置n 的子字符串，它需要遍历所有字符0..n。因此，您的算法具有O(n^2)（二次）复杂度，而不是预期的O(n)（线性）复杂度。

不要使用那个扩展。

要搜索子字符串，有一个本地方法

if let range = html.range(of: SEARCH_START) {
    let integerIndex = html.distance(from: html.startIndex, to: range.upperBound)
    print(integerIndex)
}

如果你真的想使用整数，你应该首先将你的字符串转换为一个字符数组：

let chars = Array(html.characters)

并使用子数组而不是子字符串。

编辑：

为了更好地理解你的扩展中发生了什么：

self.substring(with: self.index(self.startIndex, offsetBy: start)..<self.index(self.startIndex, offsetBy: realEnd))

在 Java 中，String 是一个数组并支持随机索引，这将是一个常量（快速）操作。然而，在 Swift 中，这由 3 个步骤组成：

1. self.index(self.startIndex, offsetBy: start) 从第一个字符开始迭代，直到找到索引 start 处的字符。
2. self.index(self.startIndex, offsetBy: realEnd)) 从第一个字符开始迭代，直到找到索引 realEnd 处的字符。
3. 获取子字符串（快速）

简而言之，对于起始位置n 的每个子字符串，算法必须遍历2n 字符。要获取索引20000 处的单个子字符串，您需要进行40000 操作！