正则表达式的效率比String.split更低吗？

[fengyinxin]

今日手头的工作需要这么个函数：
接受两个字符串参数，其中第一个参数是以空格分隔的字符串，表示若干个值，要判断第一个参数的值中是否包含第二个参数
例如:
p1="AB CDE FG", p2="AB"，此时应返回true
p1="AB CDE FG", p2="CDE"，此时应返回true
p1="AB CDE FG", p2="CD"，此时应返回false
好了，需求就是这样，很简单
解决方案也很简单：正则表达式。至少我以为很简单

写了一个函数

private void useRegexp(String s1, String s2) {
	boolean found = Pattern.compile("(.* )*" + s2 + "( .*)*").matcher(s1).matches();
}

写完以后觉得有些担心：每次调用都要重新把Pattern拿来compile一次会不会性能低了？而由于每次传入的s2都不同，我又不可能把pattern弄成静态的
为了验证性能问题，又写了一个函数

private void useSplit(String s1, String s2) {
	boolean found = Arrays.stream(s1.split(" ")).filter(s -> s.equals(s2)).findFirst().isPresent();
}

用同样的参数分别调用100w次，结果如下：
use useRegexp: 1270
use useSplit: 330
我就纳闷了，难道正则的性能比split还低？难道是每次compile带来的损耗？难道不是正则不行，是我不会用？
求解惑

[MiceRice]

引用 2 楼 fengyinxin 的回复:

请问你怎么看？

我的看法一楼已经写了，实际上就是你所编写正则的运算复杂度（与“我猜测split的内部可能有一个缓存机制”无关）： —— 第一个正则表达式是"(.* )*" + s2 + "( .*)*"，一堆的 星星（星号）和月亮（括号），必须快不起来。 —— 第二个正则表达式是" "，只有一个空格，必须很快。 通配符“.”和匹配搜索“*”都是很消耗计算量的，而且往往存在大量回溯操作（匹配失败后要回头再从第二个进行尝试），总的来说，可以认为是正则使用不当。

[MiceRice]

其实，split函数实现用的也是正则。。。 所以我认为是所写的正则计算的复杂度问题而已。 你的第一个正则表达式是"(.* )*" + s2 + "( .*)*"，一堆的 星星（星号）和月亮（括号），必须快不起来。 第二个正则表达式是" "，只有一个空格，必须很快。

[fengyinxin]

对啊，我也感觉split的实质也是正则，所以 不是正则不行，是我不会用 请问，这个函数的正则要如何写，才能达到不低于split的性能？ 我猜测split的内部可能有一个缓存机制，我第一次调用split(" ")的时候，他就在内部把他的_pattern缓存起来，这样就不用每次都compile 猜的而已，如果是这样的话，这个机制我自己也可以实现，但是性能方面最多和split持平，而且显然不如直接调split来得方便 请问你怎么看？

[fengyinxin]

这个函数是我用来解析html中节点的class属性时，加载到xpath库中的自定义函数 在我的系统中调用会非常频繁，预计每秒调用次数至少是好几千次 所以我必须十分关注性能

[shine333]

性能的话，直接String操作更快：

  public static boolean useIndexOf(String s1, String s2) {
    int length1 = s1.length();
    int length2 = s2.length();
    int limit = length1 - length2;
    char last = ' ';
    for (int i = 0; i <= limit; i++) {
      if (last == ' ' // 左
          && (i == limit || s1.charAt(i + length2) == ' ') // 右
          && s1.regionMatches(i, s2, 0, length2)) {
        return true;
      }
      last = s1.charAt(i);
    }
    return false;
  }

[shine333]

另外，实际上，class未必全是空格，制表符之类的，都可以

[zhjdg]

楼主，你搞的好复杂的。

[fengyinxin]

4楼的方案确实是比较复杂， 但是运行了一下，也确实非常快。100w次调用只要60ms 结贴了

[hello123-hello123]

你试下 "(\\W" + s2 + " )|( " + s2 + "\\W)" 的效率