4

Recientemente me vi en la necesidad de extraer todos los valores que se encuentran entre dos puntos especificados de una cadena, en este caso todo lo que se encuentre dentro de los paréntesis "()".

Cúal sería la forma mas optima o adecuada para hacer esto?

string cadena = string.Empty, resultado = string.Empty;

Tengo un correo electrónico que el cual tiene un formato predefinido, en el cual solo cambian los valores que se encuentras entre ()

Ejemplo cadena:

Hola, amigo X, ..........

bla bla bla bla
.......
('A','B','valorX','valorY',N...) //lo que quiero obtener.
.......
mas texto...
....

Se despide, atentamente, Pedro...

Buscando distintas formas de hacerlo lo solucione usando una de estas formas presentadas a continuación":

1- Utilizando Split:

resultado = cadena.Split('(', ')')[1];

ó

resultado = cadena.Split("()".ToCharArray())[1]; 

2- Con Expresiones Regulares Regex.Match:

resultado = Regex.Match(cadena, @"\(([^)]*)\)").Groups[1].Value;

3- Con Substring aplicando un poco de matemáticas:

int posInicial = cadena.LastIndexOf("(") + 1;
int longitud = cadena.IndexOf(")") - posInicial;

resultado = cadena.Substring(posInicial, longitud);

Con cada una de esas formas de hacerlo se obtiene el mismo resultado:

#resultado 'A','B','valorX','valorY',N...

A sinceridad me resulta complicado entender como funcionan las expresiones regulares, siempre las veo como un montón de código jeroglíficos indescifrables...

Entonces: Cúal sería la forma mas optima o adecuada para hacer esto?

12
  • Optima y adecuada genera que la pregunta sea basada en opiniones. Optima en que sentido? adecuada en que sentido? si funciono, una microoptimizacion es casi innecesaria.
    – gbianchi
    Commented el 11 jun. 2018 a las 15:06
  • Optimo en cuanto a consumo de recursos, aunque sea una microoptimizacion considero que si en todo el sistema esas microoptimizaciones nunca se toman en cuenta, poco a poco la suma de todo eso se vuelve grande, no se si me doy a entender. Commented el 11 jun. 2018 a las 15:10
  • 2
    Nunca hice semejante analisis. el string que estas mostrando es despreciable en todos los casos.
    – gbianchi
    Commented el 11 jun. 2018 a las 15:13
  • 1
    Para el tema de velocidad y uso de memoria, investiga el tema de benchmarks para tú mismo evaluar la efectividad de cada metodo y sacar tus conclusiones ..
    – lois6b
    Commented el 11 jun. 2018 a las 15:15
  • 1
    Esto seria mejor para el Chat de Stack Overflow en español, pero a simple vista, el peor seria la regex, seguido del split, y el mejor seria el indexof. pero sin benchmark ni nada, solo mirando que hace cada uno... Pero prueba cada uno y nos cuentas
    – gbianchi
    Commented el 11 jun. 2018 a las 15:34

1 respuesta 1

6

Basta con hacer un análisis de complejidad.

El algoritmo mas eficiente en cuanto a memoria y velocidad seria el cuarto. Básicamente tienes que fijarte en el tiempo lineal y consumo de memoria de cada algoritmo.

En el primer algoritmo:

cadena.Split('(', ')')[1];

Se itera la cadena en tiempo lineal, buscando la cantidad de caracteres dados en el arreglo del Split (pasados como parametros en el metodo) y por cada uno va a iterar la lista hasta N, donde N es la longitud de la cadena. Ahora bien, el necesitara correr la lista y creara M variables temporales por cada caracter en el Split, para luego crear una lista de valores por indexacion el cual su acceso es en tiempo constante O(1).

Como resultado obtendras O((N * M) + 1) donde N es la longitud del string y M la cantidad de substrings generados en cada operacion de Split.

El segundo algoritmo:

cadena.Split("()".ToCharArray())[1];

Básicamente es el mismo procedimiento que el primer algoritmo, solo que aquí, consumirá mas memoria, porque tendrá que crear un array de caracteres y crear una variable temporal e iterar el string que en este caso viene siendo "()".

El tercer algoritmo:

Regex.Match(cadena, @"\(([^)]*)\)").Groups[1].Value;

Es un arma de doble filo. La complejidad radicara en la longitud o complejidad de la regla, valga la redundancia. Esto solo se debe utilizar si la regla es un poco compleja, validar emails, direcciones, formatos de numeros, mentions y hashtags, etc... Por ejemplo, si no fueras a utilizar Regex para validar mentions o hashtags en una cadena, tendrías que crear un algoritmo gigantezco y Árbol de Intervalos para obtener los indices donde se encuentra cada mention o hashtag. Para trabajar con strings de cantidades masivas, gastarias muchisima memoria intentando obtener todos los substrings que son mentions o hashtags en cadenas gigantes. Las expresiones regulares se deben utilizar como validador de cadenas complejas, ya que te evitan crear un algoritmo gigantesco. Obviamente en este caso, es el que tiene mayor complejidad y consumo de memoria.

Para el cuarto algoritmo:

int posInicial = cadena.LastIndexOf("(") + 1;
int longitud = cadena.IndexOf(")") - posInicial;
resultado = cadena.Substring(posInicial, longitud);

Tendrias que iterar dos veces la longitud N de la cadena para luego obtener el resultado en N por lo que la complejidad seria O((2 * N) + N).

Por lo que en un top seria:

  1. O((2 * N) + N) el cuarto algoritmo.
  2. O((N * M) + 1) el primer algoritmo.
  3. O((N * M) + 1) el segundo algoritmo. consume mas memoria el primer algoritmo.
  4. O(?) el cuarto algoritmo. Regex es el mas complicado y el que consume mas memoria. De antemano se puede saber que es el que tiene la mayor complejidad por el proceso que implica.

Ten en cuenta que en tu ejemplo estos tiempos son insignificantes (ninguno llega a 1ms de procesamiento). Por lo que si quieres ver el resultado de una mejor forma, tendrias que probarlo con una longitud gigante para la cadena). Esta respuesta es basada en mi experiencia en la algoritmia, si alguien esta dispuesto a documentarse y contradecirme o encontrar algun error, estoy a disposición de discutirlo.

Puedes leer la documentacion para el analisis de Algoritmos Understanding Big O Notation o Este link esta mas completo.

4
  • 1
    Me parece una buena explicación, Gracias por tomarse el tiempo de responder. Commented el 11 jun. 2018 a las 16:22
  • 1
    Primero y principal, calcular las complejidades sin ver el algortimo real, es algo que suena medio magico. Mas alla de eso, IndexOf para lo que tu llamas el cuarto caso, esta mal calculado, ya que podrias calcular la segunda posicion necesaria sin recorrer devuelta toda la cadena, ya que indexof puede recibir la posicion inicial, con lo cual no estarias recorriendo dos veces la cadena. Solo una.. desde dos puntos distintos, y sin necesidad de recorrerla toda como en los otros casos. y en cuanto al consumo de memoria, tenes algun ejemplo real de cual consume mas?
    – gbianchi
    Commented el 11 jun. 2018 a las 18:56
  • @gbianchi me base en la complejidad de cada algoritmo que investigue. Si buscas encontraras los algoritmos expuestos. Sobre lo de indexOf me estoy basando en su ejemplo, ya se que se puede iniciar desde un indice que indiques, pero analice solo los algoritmos que el publico en su respuesta. Commented el 11 jun. 2018 a las 19:01
  • Puedes encontrarlos aqui en el buscador. Commented el 11 jun. 2018 a las 19:09

Tu Respuesta

By clicking “Publica tu respuesta”, you agree to our terms of service and acknowledge you have read our privacy policy.

¿No es la respuesta que buscas? Examina otras preguntas con la etiqueta o formula tu propia pregunta.