Question

我需要找到大NSString中的所有关键字（对于解析源代码），而我当前的实现速度太慢，但我不确定如何改进它。

我正在使用NSRegularExpression，基于它比我能编写的任何内容更优化的假设，但性能比我预期的要慢。有谁知道更快的实现方法？

目标字符串将包含utf-8字符，但关键字本身将始终为纯字母数字ascii。我想这可以用来优化一些东西吗？

@implementation MyClass

// i'm storing the regular expression in a static variable, since it never changes and I need to re-use it often
static NSRegularExpression *keywordsExpression;

+ (void)initialize
{
  [super initialize];

  NSArray *keywords = [NSArray arrayWithObjects:@"accumsan", @"adipiscing", @"aliquam", @"aliquet", @"amet", @"ante", @"arcu", @"at", @"commodo", @"congue", @"consectetur", @"consequat", @"convallis", @"cras", @"curabitur", @"cursus", @"dapibus", @"diam", @"dolor", @"dui", @"elit", @"enim", @"erat", @"eros", @"est", @"et", @"eu", @"felis", @"fermentum", @"gravida", @"iaculis", @"id", @"imperdiet", @"integer", @"ipsum", @"lacinia", @"lectus", @"leo", nil];

  NSString *pattern = [NSString stringWithFormat:@"\\b(%@)\\b", [keywords componentsJoinedByString:@"|"]; // \b(accumsan|adipiscing|aliquam|…)\b
  keywordsExpression = [NSRegularExpression regularExpressionWithPattern:pattern] options:NSRegularExpressionCaseInsensitive error:NULL];
}

// this method will be called in quick succession, I need it to be a able to run tens
// of thousands of times per second. The target string is big (50KB or so), but the
// search range is short, rarely more than 30 characters
- (NSRange)findNextKeyword:(NSString *)string inRange:(NSRange)range
{
  return [keywordsExpression rangeOfFirstMatchInString:string options:0 range:range];
}

@end

编辑根据@ CodeBrickie的回答，我已经更新了我的代码，对整个字符串执行一次正则表达式搜索，并将匹配保存到缓存的{{ 1}}，然后每次调用该方法时，它会在NSIndexSet中搜索关键字范围，而不是搜索字符串。结果大约快了一个数量级：

NSIndexSet

这似乎运作良好，并且性能达到我想要的范围。在接受这个建议之前，我想再等一会儿，看看是否还有更多的建议。

Answer 1

由于您需要关键字及其范围，我会使用enumerateMatchesInString:options:range:usingBlock:并实现一个块，该关键字将关键字添加为关键字，将范围添加为NSMutableDictionary的值。

因此，在调用之后，您只需要调用整个字符串以及字典中包含范围的所有关键字。

Answer 2

我建议您使用非常基本的正则表达式匹配任何单词，然后在包含关键字的词典中查找匹配的单词，而不是组合正则表达式以匹配所有关键字;如果这个词不存在，请忽略它继续前进。

您可以根据您对关键字的了解来定制正则表达式，以实现最高效率。例如，如果您知道您只查找三到十二个小写ASCII字母的单词，则可以使用@"\\b[a-z]{3,12}+\\b"。与你的怪物正则表达式相比，它有许多替代品。

我在自己的语法高亮显示项目中使用了这项技术并取得了巨大成功。这是在Java中，但快速查看NSRegularExpression文档会产生一个非常相似的功能集。

Answer 3

如果将搜索切换到某些NSLiteral搜索而不是不区分大小写，会发生什么？

当然，你需要不区分大小写，但如果速度更快，它会给你提供想法。

最大速度会有更多的工作，涉及较低的c字符串和strstr（），我敢打赌。

有效地在大型NSString中找到许多关键字中的第一个

3 个答案: