有效地从 Java 中的字符串中删除特定字符（一些标点符号）？

Question

在 Java 中，从字符串中删除给定字符的最有效方法是什么？目前，我有这个代码：

private static String processWord(String x) {
    String tmp;

    tmp = x.toLowerCase();
    tmp = tmp.replace(",", "");
    tmp = tmp.replace(".", "");
    tmp = tmp.replace(";", "");
    tmp = tmp.replace("!", "");
    tmp = tmp.replace("?", "");
    tmp = tmp.replace("(", "");
    tmp = tmp.replace(")", "");
    tmp = tmp.replace("{", "");
    tmp = tmp.replace("}", "");
    tmp = tmp.replace("[", "");
    tmp = tmp.replace("]", "");
    tmp = tmp.replace("<", "");
    tmp = tmp.replace(">", "");
    tmp = tmp.replace("%", "");

    return tmp;
}

如果我使用某种 StringBuilder、正则表达式或其他东西会更快吗？是的，我知道：分析它并查看，但我希望有人可以提供他们头顶的答案，因为这是一项常见任务。

Answer 1

虽然\\p{Punct} 将指定比问题中更广泛的字符范围，但它确实允许更短的替换表达式：

tmp = tmp.replaceAll("\\p{Punct}+", "");

Answer 2

这是一个迟到的答案，只是为了好玩。

在这种情况下，我建议以可读性而非速度为目标。当然你可以超级可读但太慢，就像这个超级简洁的版本一样：

private static String processWord(String x) {
    return x.replaceAll("[][(){},.;!?<>%]", "");
}

这很慢，因为每次调用此方法时，都会编译正则表达式。所以你可以预编译正则表达式。

private static final Pattern UNDESIRABLES = Pattern.compile("[][(){},.;!?<>%]");

private static String processWord(String x) {
    return UNDESIRABLES.matcher(x).replaceAll("");
}

假设 JVM 的正则表达式引擎优化了字符类查找，这对于大多数用途来说应该足够快。这是我个人会使用的解决方案。

现在如果没有分析，我不知道您是否可以通过制作自己的角色（实际上是代码点）查找表来做得更好：

private static final boolean[] CHARS_TO_KEEP = new boolean[];

填写一次，然后迭代，生成结果字符串。我会把代码留给你。 :)

同样，我不会深入研究这种优化。代码变得太难阅读了。性能有那么重要吗？还要记住，现代语言是 JITted 的，在预热之后它们会表现得更好，所以使用一个好的分析器。

应该提到的一件事是原始问题中的示例性能非常差，因为您正在创建一大堆临时字符串！除非编译器优化所有这些，否则该特定解决方案的性能将最差。

Answer 3

你可以这样做：

static String RemovePunct(String input) 
{
    char[] output = new char[input.length()];
    int i = 0;

    for (char ch : input.toCharArray())
    {
        if (Character.isLetterOrDigit(ch) || Character.isWhitespace(ch)) 
        {
            output[i++] = ch;
        }        
    }

    return new String(output, 0, i);
}

// ...

String s = RemovePunct("This is (a) test string.");

如果您发现它们会因您的需要而变慢，那么这可能会比使用正则表达式执行得更好。

但是，如果您想要删除一长串不同的特殊字符，它可能会很快变得一团糟。在这种情况下，正则表达式更容易处理。

http://ideone.com/mS8Irl

Answer 4

字符串是不可变的，因此尝试非常动态地使用它们并不好尝试使用 StringBuilder 而不是 String 并使用其所有出色的方法！它会让你做任何你想做的事。另外，是的，如果您有想做的事情，请找出它的正则表达式，它会为您工作得更好。

Answer 5

将String#replaceAll(String regex, String replacement) 用作

tmp = tmp.replaceAll("[,.;!?(){}\\[\\]<>%]", "");

System.out.println(
   "f,i.l;t!e?r(e)d {s}t[r]i<n>g%".replaceAll(
                   "[,.;!?(){}\\[\\]<>%]", "")); // prints "filtered string"

Answer 6

现在您的代码将遍历 tmp 的所有字符，并将它们与您要删除的所有可能的字符进行比较，因此它将使用
number of tmp characters x number or characters you want to remove比较。

要优化您的代码，您可以使用短路或|| 并执行类似

StringBuilder sb = new StringBuilder();
for (char c : tmp.toCharArray()) {
    if (!(c == ',' || c == '.' || c == ';' || c == '!' || c == '?'
            || c == '(' || c == ')' || c == '{' || c == '}' || c == '['
            || c == ']' || c == '<' || c == '>' || c == '%'))
        sb.append(c);
}
tmp = sb.toString();

或者像这样

StringBuilder sb = new StringBuilder();
char[] badChars = ",.;!?(){}[]<>%".toCharArray();

outer: 
for (char strChar : tmp.toCharArray()) {
    for (char badChar : badChars) {
        if (badChar == strChar)
            continue outer;// we skip `strChar` since it is bad character
    }
    sb.append(strChar);
}
tmp = sb.toString();

这样您将遍历每个tmp 字符，但如果不是%，则该字符的比较次数可能会减少（因为它将是最后一次比较，如果字符为.，程序将得到他的结果在一个比较中）。

---

如果我没记错的话，这种方法与character class ([...]) 一起使用，所以不妨试试这种方式

Pattern p = Pattern.compile("[,.;!?(){}\\[\\]<>%]"); //store it somewhere so 
                                         //you wont need to compile it again
tmp = p.matcher(tmp).replaceAll("");

Answer 7

你可以这样做：

tmp.replaceAll("\\W", "");

删除标点符号