在C#中优化字符串操作

性能测试代码：/Files/zhuqil/PerformanceTest.zip

程序员通常都希望自己能的编写易读，易维护和易扩展的代码。然而，某些情况下，性能变成最重要的事情。本文提供了几个有用的窍门，来提高你常见的字符串操作的性能。

最近，我花了很多时间去研究一个简单的代码编辑器。这个应用程序的主要特点之一是语法高亮，实现这样的功能，性能是关键。我花了很多时间来优化我的代码。在做这个项目的同时，我也学到了很多。在这里，我向大家分享一下我的经验。

附在本文中的项目包含一个简单的基准测试应用程序，来比较下面描述的方法。

N0.1:在字符串中搜索一个单词

对字符串进行搜索是一件常见的任务。有几种方法可以做到这一点，下面将讨论每种方法。

1、使用正则表达式

正则表达式是一个非常强大的，有用的，对于数据验证和字符串搜索是非常快速的 ，但是，当性能很重要，正则表达式可能成为一场噩梦，你可以做几件事，使你的代码运行得更快。

规则＃1：写一个好的正则表达式

写一个正则表达式可能很容易，但写一个有效的正则表达式，也是一个挑战，优化正则表达式已经超出了本文的范围，有在网络上有许多讨论这一主题文章和书籍。最重要的规则是：保持简单，复杂的规则表达式，包括大量的交替，通常需要很长时间才能执行。

规则＃2：不要使用Regex类的静态方法

Regex类提供了一些静态的方法，进行基本的操作。下面的代码查找字符串变量input 是否包含变量pattern。

string input = "The quick brown fox jumps over the lazy dog";
string pattern = "fox";
if (Regex.IsMatch(input, pattern)) {
/* More code here... */
}
IsMatch方法根据pattern变量中创建一个Regex对象，然后试着匹配input字符串，这个过程表现地非常缓慢，正则表达式不重复使用，这个才非常有用。

规则＃3：尽可能地重复使用Regex对象

如上所述，一个正则表达式对象的创建需要一段时间，你应该避免频繁创建。在某些情况下，您可以在应用程序的启动的时候初始化一切必要的正则表达式，然后多次利用他们来处理长段的文本。这将会提高性能。

规则＃4：考虑使用编译的正则表达式

当创建一个正则表达式对象，如果你使用编译的选项，性能会更好。

Regex pattern = new Regex("SomePattern", RegexOptions.Compiled);
虽然有几个缺点，编译正则表达式增加了应用程序的启动时间，造成更多的内存使用，Jeff Atwood 写了一篇文章，讨论了编译的正则表达式优势和缺点：

http://www.codinghorror.com/blog/archives/000228.html

2、使用indexOf()方法

在一个字符串内进行搜索的时候，字符串类型IndexOf方法是非常有用的。你应该知道一些东西，来有效使用此方法。

a、尽量使用char类型

有两个IndexOf方法重载方法，第一个参数可以是一个字符或一个字符串，使用字符重载方法将快很多。如果您知道您正在搜索字符串的长度为1，请使用char类型代替。

b、一个不成功搜索所花的时间将超过一个成功的搜索：

这其实并不奇怪，如果IndexOf方法成功，它将返回给定的字符串或字符首次出现的位置，它省去了剩余字符串的搜索时间。 相反，如果输入的字符串不包含给定的字符或者字符串，IndexOf函数将对整个输入字符串进行搜索。

c、经常有一种方法来消除不成功的搜索，例如，如果你想知道输入的字符串是否包含了一组单词的，你可以先搜索那些更可能出现在输入字符串的字符。

3、从零开始写的文本搜索的方法

现在，到了的最有趣的部分。IndexOf方法搜索一个字符时是相当快的，但搜索一个单词是缓慢的，如何有一个更快的方式在字符串内搜索单词呢？

花了一些时间，为寻找可能最快的的解决办法，以下方法是我想出的。

代码static string Escape2(string source, char[] escapeChars, char escape) {
StringBuilder s = new StringBuilder();
int j = 0;
int i = source.IndexOfAny(escapeChars);
while (i != -1) {
s.Append(source.Substring(j, i - j));
s.Append(escape);
j = i;
i = source.IndexOfAny(escapeChars, j + 1);
}
s.Append(source.Substring(j));
return s.ToString();
} 我使用了3个方法来取代转义序列的3字符集描述方法。下图显示，该方法是最快的一个取决于输入字符串：



纵轴显示转义字符串中的字符数，而横轴显示出现的转义字符频率的百分比。频率为50，即每输入字符串的都需要其他字符转义，频率为1，只有1％的字符输入字符串（每100字符）是转义的。
如果有足够的字符进行转义，如果转义字符频率足够高（带区面积的左上图的右上角），String.Replace方法证明是最快的。
图的其他部分显示：在大多数情况下，自定义字符转义方法是最快的选择。正如所料，如果替换的字符数足够多，在大约5个字符的情况下，该StringBuilder的方法更快。
如果你想知道有点串更多string/StringBuilder 的性能比较，我建议以下的2个资源：
Concatenating Strings Efficiently by Jon Skeet

StringBuilder vs String by Alois Kraus

如果你想要很高的性能，你必须知道处理的数据是什么样的，像我一样，你将不得不花一些时间比较所有可供选择。
我希望这篇文章给你一个正确的方向，帮助你提高你的代码的性能。希望得到你的回复！
参考原文：http://www.codeproject.com/KB/string/string_optimizations.aspx