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：
package test.java.lang.ref;
import java.util.Random;
import java.util.StringTokenizer;
/**
* String测试类
* @author xiaori.Liu
*
*/
public class StringTest {
public static void main(String args[]){
String orginStr = getOriginStr(10);
//////////////String.splic()表现//////////////////////////////////////////////
System.out.println("使用String.splic()的切分字符串");
long st1 = System.nanoTime();
String [] result = orginStr.split("\\.");
System.out.println("String.splic()截取字符串用时：" + (System.nanoTime()-st1));
System.out.println("String.splic()截取字符串结果个数：" + result.length);
System.out.println();
//////////////StringTokenizer表现//////////////////////////////////////////////
System.out.println("使用StringTokenizer的切分字符串");
long st3 = System.nanoTime();
StringTokenizer token=new StringTokenizer(orginStr,".");
System.out.println("StringTokenizer截取字符串用时:"+(System.nanoTime()-st3));
System.out.println("StringTokenizer截取字符串结果个数：" + token.countTokens());
System.out.println();
////////////////////String.substring()表现//////////////////////////////////////////
long st5 = System.nanoTime();
int len = orginStr.lastIndexOf(".");
System.out.println("使用String.substring()切分字符串");
int k=0,count=0;
for (int i = 0; i <= len; i++) {
if(orginStr.substring(i, i+1).equals(".")){
if(count==0){
orginStr.substring(0, i);
}else{
orginStr.substring(k+1, i);
if(i == len){
orginStr.substring(len+1, orginStr.length());
}
}
k=i;count++;
}
}
System.out.println("String.substring()截取字符串用时"+(System.nanoTime()-st5));
System.out.println("String.substring()截取字符串结果个数：" + (count + 1));
}
/**
* 构造目标字符串
* eg：10.123.12.154.154
* @param len 目标字符串组数(每组由3个随机数组成)
* @return
*/
private static String getOriginStr(int len){
StringBuffer sb = new StringBuffer();
StringBuffer result = new StringBuffer();
Random random = new Random();
for(int i = 0; i < len; i++){
sb.append(random.nextInt(9)).append(random.nextInt(9)).append(random.nextInt(9));
result.append(sb.toString());
sb.delete(0, sb.length());
if(i != len-1)
result.append(".");
}
return result.toString();
}
}
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：
public String[] split(String regex, int limit) {
return Pattern.compile(regex).split(this, limit);
}
