Java 中高效提取字符串中的数字：split() 还是正则匹配？-java教程-PHP中文网

Java 中高效提取字符串中的数字：split() 还是正则匹配？

在 Java 中，从路径类字符串（如 /good/123/bad/456）中提取数字时，直接使用正则 Matcher 配合 Long.parseLong(CharSequence, int, int, int)（Java 9+）比 String.split() 或 Pattern.matcher().group() 更高效，可避免不必要的字符串拷贝和对象创建。

在 java 中，从路径类字符串（如 `/good/123/bad/456`）中提取数字时，直接使用正则 `matcher` 配合 `long.parselong(charsequence, int, int, int)`（java 9+）比 `string.split()` 或 `pattern.matcher().group()` 更高效，可避免不必要的字符串拷贝和对象创建。

当处理高频或性能敏感场景（如日志解析、路由匹配、协议解码）时，字符串提取的底层开销不容忽视。以字符串 "/good/312321312/bad/3213122131" 为例，目标是提取两个数字 312321312 和 3213122131。表面上看，split("/") 简洁直观：

String[] parts = s.split("/");
// 然后遍历 parts 找数字 → 低效：创建 5 个新 String 对象，含 "/good"、""、"312321312" 等

但 split() 内部会为每个分割片段调用 substring()，而 substring() 在 Java 9+ 虽已改为复制字符数组，但仍需分配新字符串对象并拷贝对应字节 —— 对仅需数值的场景属于冗余开销。

更优解是复用预编译的 Pattern，结合 Matcher 定位数字起止索引，并用 零拷贝解析 直接读取原始字符串片段：

deep-java-review

Java项目代码review工具。分析Git变更+完整调用链路上下文，推断业务需求，进行多维度评分和分类汇总，生成完整PRD文档。包含细粒度Java代码审查清单（Null安全、异常处理、Streams、并发、equals/hashCode、资源管理、API设计、性能、MyBatis/ORM、事务边界、SQL/DD...

下载

private static final Pattern DIGIT_PATTERN = Pattern.compile("\d+");

public static long[] extractNumbers(String s) {
    Matcher m = DIGIT_PATTERN.matcher(s);
    LongStream.Builder builder = LongStream.builder();

    while (m.find()) {
        // Java 9+ 新增重载：无需创建子串，直接解析 char 序列区间
        long num = Long.parseLong(s, m.start(), m.end(), 10);
        builder.add(num);
    }

    return builder.build().toArray();
}

✅ 关键优化点：

✅ 复用 static final Pattern：避免每次调用都重新编译正则，消除 String.split(String) 内部隐式 Pattern.compile() 的开销；
✅ 零字符串创建：Long.parseLong(CharSequence, int, int, int) 直接操作原字符串的逻辑区间，跳过 m.group() 生成临时 String；
✅ 减少 GC 压力：无中间 String 对象（尤其是非数字部分如 "good"、"bad" 完全不实例化）；
✅ 可控性更强：Matcher.find() 支持按需提取前 N 个匹配项，适合“只取前两个数字”的明确需求。

⚠️ 注意事项：

此方案要求 JDK 9 或更高版本（Long.parseLong 的四参数重载自 Java 9 引入）；
若需兼容 JDK 8，可退化为 Long.parseLong(m.group())，虽仍优于 split()（因只创建匹配数字的子串），但会多出少量字符串对象；
对超长字符串或海量调用场景，建议将 Matcher 实例缓存（通过 m.reset(s) 复用），进一步减少对象分配；
若数字语义固定（如始终是第 2 和第 4 个路径段），也可用 indexOf + substring 手动定位，但正则方案更具可维护性和健壮性（自动跳过非数字段）。

综上，在性能优先的工程实践中，正则匹配 + 区间解析是兼顾效率、可读与扩展性的最优选择；而 split() 应保留在逻辑简单、调用频次低、或需完整分段语义的场景中。