找到 url 路径最后一部分的最快方法是什么？答案

【问题标题】：What is the fastest way to find the last part of a url path?找到 url 路径最后一部分的最快方法是什么？
【发布时间】：2016-01-16 16:06:11
【问题描述】：

我有一个网址，例如：

“http://www.someco.com/news/2016-01-03/waterloo-station”

网址从不包含查询字符串。

提取字符串“滑铁卢站”的最干净的方法是什么？

当然可以使用下面的代码：

url.substring(url.lastIndexOf('/') + 1))

但我对它并不完全满意，因为它必须执行对最后一个索引的搜索，然后获取子字符串。我想知道是否有更好的方法（使用正则表达式？）在一个步骤中获得相同的结果。

当然，当执行数十亿次时，解决方案应该会明显更快。

【问题讨论】：

我正在为此进行大规模的过早优化。
您为什么认为这可以更快？一个人必须找到分隔符，一个人必须构造一个新字符串。没有办法解决这个问题。
正则表达式比仅迭代 char 数组的 17 个元素要复杂得多。这是尽可能快的，并且也是尽可能简单和可读的。它成为应用程序性能问题的原因的可能性为 0：如果您必须执行数十亿次，则需要以某种方式从磁盘读取这些 URL，这比子字符串慢许多数量级。跨度>
我不需要阅读它们数十亿次，因为我没有数十亿个网址可供阅读。我有数百万个，我不想浪费内存来保存子字符串的结果。我需要多次执行子字符串，因为算法需要它。
@JohnHenry - 即使存在这样的方法，它也不会比上面的代码快。

标签： java regex

【解决方案1】：

我不认为它可以改进。简短的回答是，因为搜索最后一个索引是一个简单的操作，所以可以使用快速算法（直接在 String 类中！）来实现，而正则表达式很难做到这么快。如您所见，第二次访问 String 的成本不能少：它只是新 String 的初始化。

如果有直接在 String 类中实现的专用方法，可能会更快。

如果您想了解更多细节，您可以自己查看 JDK 中的代码。为了您的方便，复制到这里。

以下代码是我的JDK中lastIndexOf()方法的实现：

public int lastIndexOf(int ch, int fromIndex) {
    int min = offset;
    char v[] = value;

    int i = offset + ((fromIndex >= count) ? count - 1 : fromIndex);

    if (ch < Character.MIN_SUPPLEMENTARY_CODE_POINT) {
        // handle most cases here (ch is a BMP code point or a
        // negative value (invalid code point))
        for (; i >= min ; i--) {
            if (v[i] == ch) {
                return i - offset;
            }
        }
        return -1;
    }

    int max = offset + count;
    if (ch <= Character.MAX_CODE_POINT) {
        // handle supplementary characters here
        char[] surrogates = Character.toChars(ch);
        for (; i >= min; i--) {
            if (v[i] == surrogates[0]) {
                if (i + 1 == max) {
                    break;
                }
                if (v[i+1] == surrogates[1]) {
                    return i - offset;
                }
            }
        }
    }
    return -1;
}

直接在 String 类中实现，它可以访问其私有成员：

/** The value is used for character storage. */
private final char value[];

/** The offset is the first index of the storage that is used. */
private final int offset;

/** The count is the number of characters in the String. */
private final int count;

它不适用于子字符串。同时，Java 中的 substring 方法非常快，因为它不会创建一个新的 char 数组，而是简单地创建一个新的 String 对象，改变偏移量和计数：

public String substring(int beginIndex, int endIndex) {
    if (beginIndex < 0) {
        throw new StringIndexOutOfBoundsException(beginIndex);
    }
    if (endIndex > count) {
        throw new StringIndexOutOfBoundsException(endIndex);
    }
    if (beginIndex > endIndex) {
        throw new StringIndexOutOfBoundsException(endIndex - beginIndex);
    }
    return ((beginIndex == 0) && (endIndex == count)) ? this :
        new String(offset + beginIndex, endIndex - beginIndex, value);
}

// Package private constructor which shares value array for speed.
String(int offset, int count, char value[]) {
    this.value = value;
    this.offset = offset;
    this.count = count;
}

【讨论】：

【解决方案2】：

String.valueOf(Paths.get(file).getFileName())

【讨论】：

不幸的是，这不起作用，因为“InvalidPathException: Illegal char <:> at index 4”

【解决方案3】：

不确定这是否是获取“文件名”的最快方法，但它非常简单快捷：

var url = "http://www.someco.com/news/2016-01-03/waterloo-station";
var fileName = Path.of(new URI(url).getPath()).getFileName();

【讨论】：