C#学习笔记_StringBuilder+程序效率测试

String问题:当程序中进行过多字符串处理操作时,会在内存中产生过多垃圾信息,影响程序效率。

StringBuilder简介

StringBuilder为一个类,属于引用类型。StringBuilder与string的区别在于,StringBuilder对于字符串的操作,总是在同一内存空间实现,不会产生垃圾数据,执行效率更高。

使用方法

一、创建对象

下面使用变量sb进行演示:

StringBuilder sb=new StringBuilder();    //创建StringBuilder变量sb

注意,使用StringBuilder需要依赖System.Text命名空间。

二、向sb追加数据

此时会需要两个函数:

  1. sb.Append(i):向sb中追加数据;
  2. sb.ToString():将sb转换为字符串。

使用上面的sb,对其进行操作:

//向sb中追加数据
sb.Append("StringBuilder");
sb.Append(1234);
sb.Append(false);
sb.Append(1.23);
for (int i = 0; i < 5; i++) sb.Append(i);   //使用循环追加数据
//将sb转换为字符串后输出
Console.WriteLine("输出"+sb.ToString());   //输出StringBuilder1234False1.2301234

可见,追加数据,即将对应数据以类似字符串形式添加在原有数据之后。实际Append有多种重载,可以添加很多数据类型。

借助于ToString,即可将sb以字符串形式输出。

三、清空sb

清空sb使用函数Clear。

//清空sb
sb.Clear();
Console.WriteLine("此时无sb输出" + sb.ToString());   //此时无sb输出

四、插入数据

使用Insert方法可以向sb中选定位置插入数据。假设上面sb未被清空:

//插入数据
sb.Insert(6, "Insert");     //在索引值为6的字符前插入字符串"Insert"
Console.WriteLine("插入后sb输出:" + sb.ToString());  
//插入后sb输出:StringInsertBuilder1234False1.2301234

 五、删除子字符串

通过Remove方法,可以将选定索引之后的一定长度子字符串删除。

//删除子字符串
sb.Remove(6, 6);    //从索引值为6的字符开始,删除6字符长度的子字符串
sb.Remove(13,18);  
//两参数必须完整,不能认为只填写前一个参数即可清空选定位置后全部字符串
Console.WriteLine("输出" + sb.ToString());   //输出StringBuilder

测试效率

测试效率可以通过程序执行时间参考。程序执行时间测量,需要使用Stopwatch类,该类型依赖于System.Diagnostics命名空间。

使用Stopwatch类,一般通过如下操作测量时间:

  1. Stopwatch sw = new Stopwatch()可创建Stopwatch类变量;
  2. sw.Start()开始计时;
  3. sw.Stop()结束计时;
  4. sw.Elapsed表示开始到结束的时长,输出格式为“时:分:秒.小数后7位”。

现在尝试分别向string与StringBuilder类追加5万条字符串,测量代码实例:

//创建Stopwatch变量
Stopwatch sw1 = new Stopwatch();
Stopwatch sw2 = new Stopwatch();//string类测试追加效率
string s = "";
sw1.Start();
for(int i = 0; i < 50000; i++)
{s += "addString";
}
sw1.Stop();
Console.WriteLine("string类追加5万字符串用时为" + sw1.Elapsed);//StringBuilder类测试追加效率
StringBuilder sb = new StringBuilder();
sw2.Start();
for (int i = 0; i < 50000; i++)
{sb.Append("addString");    
}
sw2.Stop();
Console.WriteLine("StringBuilder类追加5万字符串用时为" + sw2.Elapsed);

观察输出结果:

string类追加5万字符串用时为00:00:05.3519927
StringBuilder类追加5万字符串用时为00:00:00.0007908

对比可见,StringBuilder类效率远超string类。

本段代码实际也是一段程序效率测试的实例,在程序效率测试方面也可以进行参考。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/650868.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

osgEarth真HelloWorld

osgEarth真HelloWorld vcpkg installtests vcpkg install osgEarth安装指南 https://docs.osgearth.org/en/latest/install.html&#xff0c; 预先设置ports/osg/portfile.cmake GL3 否则调用osg相关功能时会出现如下提示 OpenSceneGraph does not define OSG_GL3_AVAILABLE; …

语音方向精典论文品读_HuBERT

英文名称: HuBERT: Self-Supervised Speech Representation Learning by Masked Prediction of Hidden Units 中文名称: HuBERT&#xff1a;通过隐藏单元的屏蔽预测进行自监督语音表示学习 链接: http://arxiv.org/abs/2106.07447v1 代码: https:// github.com/pytorch/fairseq…

vertica10.0.0单点安装_ubuntu18.04

ubuntu的软件包格式为deb&#xff0c;而rpm格式的包归属于红帽子Red Hat。 由于项目一直用的vertica-9.3.1-4.x86_64.RHEL6.rpm&#xff0c;未进行其他版本适配&#xff0c;而官网又下载不到vertica-9.3.1-4.x86_64.deb&#xff0c;尝试通过alian命令将rpm转成deb&#xff0c;但…

盘古信息IMS OS 数垒制造操作系统+ 产品及生态部正式营运

启新址吉祥如意&#xff0c;登高楼再谱新篇。2024年1月22日&#xff0c;广东盘古信息科技股份有限公司新办公楼层正式投入使用并举行了揭牌仪式&#xff0c;以崭新的面貌、奋进的姿态开启全新篇章。 盘古信息总部位于东莞市南信产业园&#xff0c;现根据公司战略发展需求、赋能…

交叉熵损失函数求导与Softmax函数求导

交叉熵损失函数求导与Softmax函数求导 前情提要 交叉熵损失函数 对Softmax函数求导 对交叉熵损失函数求导 前情提要 在做单分类的时候&#xff0c;一般模型的最后一层是线性层Linear做分类器&#xff0c;输出在每个标签上的logits。损失函数为交叉熵损失函数&#xff0c;会…

redis过期事件监听、可以做延时任务 第二篇(简单)

在使用redis时&#xff0c;所有的key都要设置过期时间&#xff0c;过期之后&#xff0c;redis就会把对应的key清除掉。 此方法可以监听redis的key失效&#xff0c;在失效时做一些逻辑处理 redis过期监听 不像mq有保证 不推荐用来弄需要有保证的业务 现象&#xff1a; redis …

AWS 专题学习 P12 (CloudWatch、CloudTrail、AWS Config)

文章目录 专题总览1. CloudWatch1.1 Amazon CloudWatch Metrics1.2 CloudWatch Metric Streams1.3 CloudWatch LogsCloudWatch Logs - SourcesCloudWatch Logs Metric Filter & InsightsCloudWatch Logs – S3 ExportCloudWatch Logs SubscriptionsCloudWatch Logs Aggrega…

MATLAB|【完全复现】含可再生能源和储能的区域微电网的最优运行(考虑鲁棒性和不确定性)【多阶段鲁棒调度模型】

目录 主要内容 模型研究 一、区域微网模型 二、模型优化流程​ 结果一览 下载链接 主要内容 该程序实现了一种基于可再生能源和储能的区域微电网的多阶段优化调度方法&#xff0c;该方法可以同时保证优化调度方案的鲁棒性和非预测性。模型考虑两类不确定性&…

【报错处理】ModuleNotFoundError: No module named ‘paddle.fluid‘

引言 在使用 UIE&#xff08;统一信息提取&#xff09;模型时&#xff0c;您可能会遇到错误消息 "ModuleNotFoundError: No module named paddle.fluid"。这个错误可能让人沮丧&#xff0c;但通常很容易解决。在本博客文章中&#xff0c;我将为您介绍解决此问题。 一…

卡顿监控方法

android业界各家卡顿检测工具不同&#xff0c;主要分几类&#xff1a; 注册printer callback 注册Choreographer callback MessageQueue插入空Message 字节码插桩 产品原理注册printer callback BlockCanary、BlockCanaryEx、ArgusAPM&#xff08;360&#xff09; 监听每一…

MySQL索引类型及数据结构【笔记】

1 索引类型 返回面试宝典 主键索引&#xff08;PRIMARY&#xff09;:数据列不允许重复&#xff0c;不允许为NULL&#xff0c;一个表只能有一个主键。 唯一索引&#xff08;UNIQUE&#xff09;:数据列不允许重复&#xff0c;允许为NULL&#xff0c;一个表允许多个列创建唯一索引…

C++常用总结

1、提高cin与cout效率 cin与cout效率相比于scanf与printf低下 解决方案&#xff1a; ios:sync_with_stdio(false); cin.tie(0),cout.tie(0); 2、C标准算法库algorithm max(a,b)&#xff1a;求两个数最大值min(a,b)&#xff1a;求两个数最小值abs(a,b)&#xff1a;求一个整…

AssertionError: Torch not compiled with CUDA enabled

目录 报错查看已安装的torch的版本卸载安装GPU版本的torch查看cuda版本手工安装通过pip命令手工安装。 结果更新cuda到12.1大功告成 报错 经查阅&#xff0c;这个问题是因为conda默认安装的是CPU版本的torch&#xff0c;应该使用GPU版本的。 查看已安装的torch的版本 pip li…

SpringBoot整理-数据库操作

在 Spring Boot 中进行数据库操作是一项常见的任务。Spring Boot 提供了多种方式来集成和操作数据库,使得与数据库的交互更为简便和高效。以下是在 Spring Boot 中进行数据库操作的几种主要方式: 1. Spring Data JPA 介绍: Spring Data JPA 是 Spring Data 的一部分,它简化了…

Apipost数据库连接使用

Apipost提供了数据库连接功能&#xff0c;在接口调试时可以使用数据库获取入参或进行断言校验。目前的Apipost支持&#xff1a;Mysql、SQL Sever、Oracle、Clickhouse、达梦数据库、PostgreSQL、Redis、MongoDB 8种数据库的连接操作 新建数据库连接&#xff1a; 在「项目设置…

UDF学习(四)FLUENT UDF-DEFINE_PROFILE宏

基础知识&#xff1a; 利用DEFINE_PROFLILE可以指定以下边界或计算域信息&#xff1a;DEFINE_PROFILE(name,t,i)//既可以用解释型&#xff0c;也可以用编译型&#xff01; 主要用途&#xff1a; 边界速度、压力、温度、湍动能、湍流耗散率、质量流量&#xff1b;组分质量分数…

Doris 与 Clickhouse 对比(一)

1. 常用引擎 ☕️ Doris 表数据模型 duplicate key &#x1f3ac; 场景&#xff1a;适用于数据无需提前聚合的分析业务。 ⚠️ 注意点&#xff1a;只指定排序列&#xff0c;相同的行并不会合并。 unique key &#x1f3ac; 场景&#xff1a;适用于有更新需求的业务。 ⚠…

Optional lab: Linear Regression using Scikit-LearnⅠ

scikit-learn是一个开源的、可用于商业的机器学习工具包&#xff0c;此工具包包含本课程中需要使用的许多算法的实现 Goals In this lab you will utilize scikit-learn to implement linear regression using Gradient Descent Tools You will utilize functions from sci…

计算机设计大赛 垃圾邮件(短信)分类算法实现 机器学习 深度学习

文章目录 0 前言2 垃圾短信/邮件 分类算法 原理2.1 常用的分类器 - 贝叶斯分类器 3 数据集介绍4 数据预处理5 特征提取6 训练分类器7 综合测试结果8 其他模型方法9 最后 0 前言 &#x1f525; 优质竞赛项目系列&#xff0c;今天要分享的是 &#x1f6a9; 垃圾邮件(短信)分类算…

MySQL DDL DML DQL DCL 通用语法

文章目录 DDL&#xff08;数据定义语言&#xff09;数据库操作表操作 DML&#xff08;数据操作语言&#xff09;添加数据注意事项 更新和删除数据 DQL&#xff08;数据查询语言&#xff09;基础查询条件查询聚合查询&#xff08;聚合函数&#xff09;分组查询排序查询分页查询D…