字符串分析效率，求助！

[tyxsoft]

有大约10000000(一千万)个类似这样的长字符串

CREATED BettingOffer[448359642]{odds="2.12",oddsStatusId="1",oddsChangedDate="2007-11-19 00:00:00.458",outcomeId="23756563",isBack="true",isSingle="true",isLive="false",volume=null,volumeCurrencyId=null,couponKey=null,providerId="3000343"}

现在需要提取出其中的4个属性，如outcomeId的23756563、isBack的true、isSingle的true、providerId的3000343，组成短串后，
拼接成 23756563&3000343&truetrue@...(后面雷同)的长串

请问怎么样提取短串效率最高，请大家各抒己见，谢谢！

[Clesome_VC]

使用正则表达式

import java.util.regex.Matcher;
import java.util.regex.Pattern;

public class TestRegex3 {

	public static void main(String[] args) {
		String str = "CREATED   BettingOffer[448359642]{odds=\"2.12\","
				+ "oddsStatusId=\"1\",oddsChangedDate=\"2007-11-19   00:00:00.458\","
				+ "outcomeId=\"23756563\",isBack=\"true\",isSingle=\"true\","
				+ "isLive=\"false\",volume=null,volumeCurrencyId=null,"
				+ "couponKey=null,providerId=\"3000343\"} ";
		String regex = "\\{.*outcomeId=\"(\\d+)\".*isBack=\"(true|false)\".*isSingle=\"(true|false)\".*providerId=\"(\\d+)\"\\}";
			
		Pattern pattern = Pattern.compile(regex);
		Matcher matcher = pattern.matcher(str);
		if(matcher.find())
		System.out.println(matcher.group(1) + "&" + matcher.group(4)
				+ "&" + matcher.group(2) + "&" + matcher.group(3)+"@");
	}

}

[luffyday]

String str = "a='1',b='2',c='3',d='4'";


str.replace("='","");
str.replace("',","/");

这是str变成 "a1/b2/c3/d4"

String st[] = str.split("/");

for(int i=0;i<st.length;i++){
搜索吧～
System.out.println(str.substring(str.indexOf('a')+1));
System.out.println(str.substring(str.indexOf('b')+1));
System.out.println(str.substring(str.indexOf('c')+1));
}


估计效率不高～

[Clesome_VC]

好像最后个该删去“&”
matcher.group(2) + "&" + matcher.group(3)+"@");
改为
matcher.group(2) + matcher.group(3)+"@");

不好意思

[AndyJee]

如果要提高效率的话，个人感觉还是不要用正则表达式。虽然它的却很好用，但那是牺牲了效率换取通用性的做法。

LZ你的字符串是不是都像上述字符串那样有规律？我想应该是的。这样的话，你可以利用字符串的位置固定特性搜索，会很快。而且正确、好写代码。

IO操作效率惠降低很多很多，如果仅在内存中操作就不会慢了。

就用搜索字符串位置、截取字符串、拼接字符串的方法。

由于此类工作划分极其容易，截串可以考虑多机器并行（如果数据量在夸张些）。

你要把那么大的结果字符串放在哪？
如果是文件的话，建议分多台机器分别处理一下部分，手动合成一个文件最好！

注意：一定要把所有字符串都在内存拼接好了以后再统一输出到文件，用StringBuffer!

[jinxfei]

我建议不要用java，如果是unix/linux环境，使用Awk

[tyxsoft]

to: AndyJee
是有规律，但固定位置截取恐怕不行，因为某些字段属性的长度还是可能变化的，比如 odds="3.1" 和 odds="3.25" 占用的位数不同，就会影响到后面的截取

[luffyday]

那就用我的方法啦～～

[tyxsoft]

to: Clesome_VC

假设我现在拼接出了像

23756563&3000343&truetrue@23756564&3000343&truetrue@23756563&3000343&truefalse@....(500万个短串）

这样的长串，保存在StringBuilder中。
需要知道 "23756583&3000343&truetrue@" 有没有在长串中出现过，有没有比 StringBuilder.indexOf()更有效率的方法？

[luffyday]

public static void main(String[] args) {
		String   str   =   "a= '1 ',b= '2 ',c= '3 ',d= '4 ' ";

		str.replace( "= ' ", "/");
		str.replace( " ', ", "/ ");

		//这时str变成了 "a/1/b/2/c/3/d/4 "

		String st[]   =   str.split( "/ ");
		Map<String,String> map = new HashMap<String,String>();

		for(int   i=0;i <st.length;i++){
			map.put(st[i], st[i+1]);
		}
		
		//这时你想要什么 直接去map拿就OK了啊～～
		System.out.println(map.get("a"));
        System.out.println(map.get("b"));
        System.out.println(map.get("c"));
	}

[tyxsoft]

to: luffyday

这样是能做出来，但恐怕太慢了 :)

[不懂编程]

study

[aqy_19781228]

ding

不推荐用正则表达式，这样太慢。

如果outcomeId这样的关键字相对还比较固定的话，建议substring（）方法找找。

[Clesome_VC]

re LZ
应该没有更好的方法了 用正则确实效率比较低