在C ++中将十六进制转换为整数的最快方法是什么？

Question

我正在尝试尽快将十六进制char转换为整数。

这只是一行： int x = atoi(hex.c_str);

有更快的方法吗？

在这里，我尝试了一种更加动态的方法，而且速度稍快一些。

int hextoint(char number) {
    if (number == '0') {
        return 0;
    }
    if (number == '1') {
        return 1;
    }
    if (number == '2') {
        return 2;
    }
    /*
     *  3 through 8
     */
    if (number == '9') {
        return 9;
    }
    if (number == 'a') {
        return 10;
    }
    if (number == 'b') {
        return 11;
    }
    if (number == 'c') {
        return 12;
    }
    if (number == 'd') {
        return 13;
    }
    if (number == 'e') {
        return 14;
    }
    if (number == 'f') {
        return 15;
    }
    return -1;
}

Answer 1

提议的解决方案比OP的if-else更快：

• 无序地图查找表

如果您的输入字符串始终是十六进制数字，则可以将查找表定义为unordered_map ：

std::unordered_map<char, int> table {
{'0', 0}, {'1', 1}, {'2', 2},
{'3', 3}, {'4', 4}, {'5', 5},
{'6', 6}, {'7', 7}, {'8', 8},
{'9', 9}, {'a', 10}, {'A', 10},
{'b', 11}, {'B', 11}, {'c', 12},
{'C', 12}, {'d', 13}, {'D', 13},
{'e', 14}, {'E', 14}, {'f', 15},
{'F', 15}, {'x', 0}, {'X', 0}};

int hextoint(char number) {
  return table[(std::size_t)number];
}

• 查找表作为用户constexpr文字（C ++ 14）

或者如果你想要更快的东西而不是unordered_map你可以使用具有用户文字类型的新C ++ 14工具，并在编译时将你的表定义为文字类型：

struct Table {
  long long tab[128];
  constexpr Table() : tab {} {
    tab['1'] = 1;
    tab['2'] = 2;
    tab['3'] = 3;
    tab['4'] = 4;
    tab['5'] = 5;
    tab['6'] = 6;
    tab['7'] = 7;
    tab['8'] = 8;
    tab['9'] = 9;
    tab['a'] = 10;
    tab['A'] = 10;
    tab['b'] = 11;
    tab['B'] = 11;
    tab['c'] = 12;
    tab['C'] = 12;
    tab['d'] = 13;
    tab['D'] = 13;
    tab['e'] = 14;
    tab['E'] = 14;
    tab['f'] = 15;
    tab['F'] = 15;
  }
  constexpr long long operator[](char const idx) const { return tab[(std::size_t) idx]; } 
} constexpr table;

constexpr int hextoint(char number) {
  return table[(std::size_t)number];
}

现场演示

基准：

我使用最近在isocpp.org上发布的Nikos Athanasiou编写的代码运行基准测试，作为C ++微基准测试的提议方法。

比较的算法是：

1. OP的原始if-else ：

 long long hextoint3(char number) { if(number == '0') return 0; if(number == '1') return 1; if(number == '2') return 2; if(number == '3') return 3; if(number == '4') return 4; if(number == '5') return 5; if(number == '6') return 6; if(number == '7') return 7; if(number == '8') return 8; if(number == '9') return 9; if(number == 'a' || number == 'A') return 10; if(number == 'b' || number == 'B') return 11; if(number == 'c' || number == 'C') return 12; if(number == 'd' || number == 'D') return 13; if(number == 'e' || number == 'E') return 14; if(number == 'f' || number == 'F') return 15; return 0; } 

2. Christophe提出的紧凑if-else：

 long long hextoint(char number) { if (number >= '0' && number <= '9') return number - '0'; else if (number >= 'a' && number <= 'f') return number - 'a' + 0x0a; else if (number >= 'A' && number <= 'F') return number - 'A' + 0X0a; else return 0; } 

3.修正了由g24l提出的处理大写字母输入的三元运算符版本：

 long long hextoint(char in) { int const x = in; return (x <= 57)? x - 48 : (x <= 70)? (x - 65) + 0x0a : (x - 97) + 0x0a; } 

4.查找表（ unordered_map ）：

 long long hextoint(char number) { return table[(std::size_t)number]; } 

其中table是前面显示的无序映射。

5.查找表（用户constexpr文字）：

 long long hextoint(char number) { return table[(std::size_t)number]; } 

表是用户定义的文字，如上所示。

实验设置

我定义了一个将输入十六进制字符串转换为整数的函数：

 long long hexstrtoint(std::string const &str, long long(*f)(char)) { long long ret = 0; for(int j(1), i(str.size() - 1); i >= 0; --i, j *= 16) { ret += (j * f(str[i])); } return ret; } 

我还定义了一个用随机十六进制字符串填充字符串向量的函数：

 std::vector<std::string> populate_vec(int const N) { random_device rd; mt19937 eng{ rd() }; uniform_int_distribution<long long> distr(0, std::numeric_limits<long long>::max() - 1); std::vector<std::string> out(N); for(int i(0); i < N; ++i) { out[i] = int_to_hex(distr(eng)); } return out; } 

我创建了分别填充50000,100000,150000,200000和250000随机十六进制字符串的向量。 然后，对于每个算法，我运行100个实验并平均时间结果。

编译器是GCC 5.2版，带有优化选项-O3 。

结果：

讨论

从结果我们可以得出结论，对于这些实验设置，建议的表方法优于所有其他方法。 if-else方法到目前为止是最糟糕的，因为unordered_map虽然赢得了if-else方法，但它明显慢于其他提议的方法。

码

编辑：

stgatilov提出的方法的结果，按位运算：

 long long hextoint(char x) { int b = uint8_t(x); int maskLetter = (('9' - b) >> 31); int maskSmall = (('Z' - b) >> 31); int offset = '0' + (maskLetter & int('A' - '0' - 10)) + (maskSmall & int('a' - 'A')); return b - offset; } 

编辑：

我还针对table方法测试了g24l的原始代码：

 long long hextoint(char in) { long long const x = in; return x < 58? x - 48 : x - 87; } 

请注意，此方法不处理大写字母A ， B ， C ， D ， E和F

结果：

表格方法仍然更快。

Answer 2

对于不同的系统，这个问题显然可能有不同的答案，从这个意义上讲，它从一开始就是不适合的。 例如，i486没有管道，奔腾没有SSE。

要问的正确问题是：“ 在X系统中将单个字符十六进制转换为dec的最快方法是什么，例如i686 ”。

在这里的方法中，对于具有多级流水线的系统，其答案实际上是相同或非常非常非常相同。 任何没有管道的系统都会向查找表方法（LUT）弯曲，但如果内存访问速度慢，则条件方法（CEV）或按位评估方法（BEV）可能会受益于xor与负载的速度。给定CPU。

（CEV）将来自寄存器的比较和条件移动分解为2个加载有效地址，不易于误预测 。 所有这些命令在奔腾管道中都是可配对的。 所以他们实际上进入了一个周期。

  8d 57 d0                lea    -0x30(%rdi),%edx
  83 ff 39                cmp    $0x39,%edi
  8d 47 a9                lea    -0x57(%rdi),%eax
  0f 4e c2                cmovle %edx,%eax

（LUT）分解为寄存器之间的mov和来自数据相关存储器位置的mov以及用于对齐的一些nops，并且应该采用最小的1个周期。 如前所述，只有数据依赖。

  48 63 ff                movslq %edi,%rdi
  8b 04 bd 00 1d 40 00    mov    0x401d00(,%rdi,4),%eax

（BEV）是一个不同的野兽，因为它实际上需要2个mov + 2个xors + 1和一个条件mov。 这些也可以很好地流水线化。

  89 fa                   mov    %edi,%edx
  89 f8                   mov    %edi,%eax
  83 f2 57                xor    $0x57,%edx
  83 f0 30                xor    $0x30,%eax
  83 e7 40                and    $0x40,%edi
  0f 45 c2                cmovne %edx,%eax

当然，这是一个非常罕见的场合，应用程序关键（可能是Mars Pathfinder是一个候选者）只转换一个信号char 。 相反，人们会期望通过实际制作循环并调用该函数来转换更大的字符串。

因此，在这种情况下，更好的可矢量化的代码是胜利者。 LUT没有矢量化，BEV和CEV具有更好的行为。 一般来说，这样的微优化不会让你随处可见，编写你的代码并让它们直播（即让编译器运行）。

所以我实际上已经在这个意义上构建了一些测试，它们可以在任何具有c ++ 11编译器和随机设备源的系统上轻松重现 ，例如任何* nix系统。 如果一个人不允许矢量化-O2 CEV / LUT几乎相等，但一旦设置-O3 ，编写更易分解的代码的优势就显示出差异。

总而言之， 如果你有一个旧的编译器使用LUT，如果你的系统是低端或旧的考虑BEV，否则编译器将超越你，你应该使用CEV 。

---

问题 ：问题是从字符集{0,1,2,3,4,5,6,7,8,9，a，b，c，d，e，f}转换为{的集合0,1,2,3,4,5,6,7,8,9,10,11,12,13,14,15}。 没有正在考虑的大写字母。

我们的想法是利用分段中ascii表的线性度。

[简单易行]：条件评估 - > CEV

int decfromhex(int const x)
{
return x<58?x-48:x-87;
}

[脏和复杂]：按位评估 - > BEV

int decfromhex(int const x)
{
return 9*(x&16)+( x & 0xf  );
}

[编译时间]：模板条件评估 - > TCV

template<char n> int decfromhex()
{
  int constexpr x = n;
  return x<58 ? x-48 : x -87;
}

[查找表]：查找表 - > LUT

int decfromhex(char n)
{
static int constexpr x[255]={
           // fill everything with invalid, e.g. -1 except places\
           // 48-57 and 97-102 where you place 0..15 
           };
return x[n];
}

在所有，最后似乎是第一次看是最快的。 第二个是仅在编译时和常量表达式。

[结果] （ 请确认 ）： * BEV是最快的，处理大小写字母 ，但仅限于不处理大写字母的CEV 。 随着字符串大小的增加，LUT变得比CEV和BEV都慢。

str-size 16-12384的示例性结果可以在下面找到（ 越低越好 ）

显示平均时间（100次运行）。 气泡的大小是正常的误差。

可以使用运行测试的脚本。

---

已经对一组随机生成的字符串上的conditional CEV ， bitwise BEV和lookup table LUT执行了测试。 测试相当简单，来自：

测试源代码

这些是可以验证的：

1. 每次输入字符串的本地副本都放在本地缓冲区中。
2. 保留结果的本地副本，然后将其复制到堆中以进行每个字符串测试
3. 仅提取对字符串操作的时间的持续时间
4. 统一的方法 ，没有复杂的机械和包装/周围的代码适合其他情况。
5. 没有采样使用整个时序
6. 执行CPU预热
7. 在测试之间进行休眠以允许编组代码，使得一个测试不利用先前的测试。
8. 编译使用g++ -std=c++11 -O3 -march=native dectohex.cpp -o d2h
9. 使用taskset -c 0 d2h 启动
10. 没有线程依赖或多线程
11. 实际上正在使用结果，以避免任何类型的循环优化

作为附注，我在练习版本3中看到使用较旧的c ++ 98编译器要快得多。

[BOTTOM LINE] ：毫无顾虑地使用CEV ，除非您在编译时知道您的变量，您可以使用版本TCV 。 只有在每个用例评估的重要性能之后才能使用LUT ，并且可能在较旧的编译器之后使用。 另一种情况是你的集合较大，即{0,1,2,3,4,5,6,7,8,9，a，b，c，d，e，f，A，B，C，D， E，F}。 这也可以实现。 最后，如果你是饥肠辘辘，请使用BEV 。

unordered_map的结果已被删除，因为它们太慢而无法比较，或者最好的情况可能与LUT解决方案一样快。

我的个人电脑上的字符串大小为12384/256和100个字符串的结果：

 g++ -DS=2 -DSTR_SIZE=256 -DSET_SIZE=100 -DUNITS=nanoseconds -O3 -std=c++11 -march=native dectohex.cpp -o d2h && taskset -c 0 ./d2h
sign: -2709
-------------------------------------------------------------------
(CEV) Total: 185568 nanoseconds - mean: 323.98 nanoseconds  error: 88.2699 nanoseconds
(BEV) Total: 185568 nanoseconds - mean: 337.68 nanoseconds  error: 113.784 nanoseconds
(LUT) Total: 229612 nanoseconds - mean: 667.89 nanoseconds  error: 441.824 nanoseconds
-------------------------------------------------------------------


g++ -DS=2 -DSTR_SIZE=12384 -DSET_SIZE=100 -DUNITS=nanoseconds -O3 -std=c++11 -march=native hextodec.cpp -o d2h && taskset -c 0 ./h2d

-------------------------------------------------------------------
(CEV) Total: 5539902 nanoseconds - mean: 6229.1 nanoseconds error: 1052.45 nanoseconds
(BEV) Total: 5539902 nanoseconds - mean: 5911.64 nanoseconds    error: 1547.27 nanoseconds
(LUT) Total: 6346209 nanoseconds - mean: 14384.6 nanoseconds    error: 1795.71 nanoseconds
-------------------------------------------------------------------
Precision: 1 ns

将GCC 4.9.3系统的结果编译为金属而不将系统加载到大小为256/12384的字符串和100个字符串上

g++ -DS=2 -DSTR_SIZE=256 -DSET_SIZE=100 -DUNITS=nanoseconds -O3 -std=c++11 -march=native dectohex.cpp -o d2h && taskset -c 0 ./d2h
sign: -2882
-------------------------------------------------------------------
(CEV) Total: 237449 nanoseconds - mean: 444.17 nanoseconds  error: 117.337 nanoseconds
(BEV) Total: 237449 nanoseconds - mean: 413.59 nanoseconds  error: 109.973 nanoseconds
(LUT) Total: 262469 nanoseconds - mean: 731.61 nanoseconds  error: 11.7507 nanoseconds
-------------------------------------------------------------------
Precision: 1 ns


g++ -DS=2 -DSTR_SIZE=12384 -DSET_SIZE=100 -DUNITS=nanoseconds -O3 -std=c++11 -march=native dectohex.cpp -o d2h && taskset -c 0 ./d2h
sign: -137532
-------------------------------------------------------------------
(CEV) Total: 6834796 nanoseconds - mean: 9138.93 nanoseconds    error: 144.134 nanoseconds
(BEV) Total: 6834796 nanoseconds - mean: 8588.37 nanoseconds    error: 4479.47 nanoseconds
(LUT) Total: 8395700 nanoseconds - mean: 24171.1 nanoseconds    error: 1600.46 nanoseconds
-------------------------------------------------------------------
Precision: 1 ns

[如何阅读结果]

平均值显示在计算给定大小的字符串所需的微秒上。

给出每次测试的总时间。 均值计算为计算一个字符串的时间总和/总数（该区域中没有其他代码但可以进行矢量化，这没关系）。 误差是时间的标准偏差。

平均值告诉我们平均应该得到什么，以及错误在正常情况下的时间。 在这种情况下，只有当它很小时，这才是公平的误差测量（否则我们应该使用适合于正分布的东西）。 在高速缓存未命中 ， 处理器调度和许多其他因素的情况下，通常应该期望高错误。

---

代码有一个唯一的宏定义为运行测试，允许定义编译时变量来设置测试，并打印完整的信息，如：

g++ -DS=2 -DSTR_SIZE=64 -DSET_SIZE=1000 -DUNITS=nanoseconds -O3 -std=c++11 -march=native dectohex.cpp -o d2h && taskset -c 0 ./d2h
sign: -6935
-------------------------------------------------------------------
(CEV) Total: 947378 nanoseconds - mean: 300.871 nanoseconds error: 442.644 nanoseconds
(BEV) Total: 947378 nanoseconds - mean: 277.866 nanoseconds error: 43.7235 nanoseconds
(LUT) Total: 1040307 nanoseconds - mean: 375.877 nanoseconds    error: 14.5706 nanoseconds
-------------------------------------------------------------------

例如，在大小为256的str上以2sec暂停运行测试，总共10000不同的字符串，输出定时为double precision ，并以nanoseconds为单位，以下命令编译并运行测试。

g++ -DS=2 -DSTR_SIZE=256 -DSET_SIZE=10000 -DUTYPE=double -DUNITS=nanoseconds -O3 -std=c++11 -march=native dectohex.cpp -o d2h && taskset -c 0 ./d2h

Answer 3

嗯，这是一个奇怪的问题。 将单个十六进制字符转换为整数是如此之快，以至于很难判断哪个更快，因为所有方法几乎可能比您编写的代码更快以便使用它们=）

我会假设以下事项：

1. 我们有一个现代的x86（64）CPU。
2. 输入字符的ASCII码存储在通用寄存器中，例如存储在eax 。
3. 必须在通用寄存器中获取输出整数。
4. 输入字符保证是有效的十六进制数字（16个案例之一）。

解

现在有几种解决问题的方法：第一种基于查找，第二种基于三元运算符，最后一种基于位运算：

int hextoint_lut(char x) {
    static char lut[256] = {???};
    return lut[uint8_t(x)];
}

int hextoint_cond(char x) {
    uint32_t dig = x - '0';
    uint32_t alp = dig + ('0' - 'a' + 10);
    return dig <= 9U ? dig : alp;
}
int hextoint_cond2(char x) {
    uint32_t offset = (uint8_t(x) <= uint8_t('9') ? '0' : 'a' - 10);
    return uint8_t(x) - offset;
}

int hextoint_bit(char x) {
    int b = uint8_t(x);
    int mask = (('9' - b) >> 31);
    int offset = '0' + (mask & int('a' - '0' - 10));
    return b - offset;
}

以下是生成的相应装配清单（仅显示相关部件）：

;hextoint_lut;
movsx   eax, BYTE PTR [rax+rcx]   ; just load the byte =)

;hextoint_cond;
sub edx, 48                       ; subtract '0'
cmp edx, 9                        ; compare to '9'
lea eax, DWORD PTR [rdx-39]       ; add ('0' - 'a' + 10)
cmovbe  eax, edx                  ; choose between two cases in branchless way

;hextoint_cond2;                  ; (modified slightly)
mov eax, 48                       
mov edx, 87                       ; set two offsets to registers
cmp ecx, 57                       ; compare with '9'
cmovbe  edx, eax                  ; choose one offset
sub ecx, edx                      ; subtract the offset

;hextoint_bit;
mov ecx, 57                       ; load '9'
sub ecx, eax                      ; get '9' - x
sar ecx, 31                       ; convert to mask if negative
and ecx, 39                       ; set to 39 (for x > '9')
sub eax, ecx                      ; subtract 39 or 0
sub eax, 48                       ; subtract '0'

分析

我将尝试估算吞吐量意义上每种方法所采用的周期数，这实质上是一次处理大量数字时每一个输入数所花费的时间。 以Sandy Bridge架构为例。

hextoint_lut函数由单个内存加载组成，在端口2或3上占用1个uop。这两个端口都专用于内存加载，它们内部也有地址计算，能够执行rax+rcx而无需额外成本。 有两个这样的端口，每个端口可以在一个周期内做一个uop。 所以据说这个版本需要0.5个时钟。 如果我们必须从内存加载输入数，那么每个值需要多一个内存负载，因此总成本为1个时钟。

hextoint_cond版本有4条指令，但cmov分为两个单独的cmov 。 因此总共有5个uop，每个都可以在三个算术端口0,1和5中的任何一个上进行处理。因此可能需要5/3个周期时间。 请注意，内存加载端口是空闲的，因此即使您必须从内存加载输入值，时间也不会增加。

hextoint_cond2版本有5条指令。 但是在紧密循环中，常量可以预加载到寄存器，因此只有比较，cmov和减法。 它们总共为4个uop，每个值提供4/3个周期（即使读取内存）。

hextoint_bit版本是一个保证没有分支和查找的解决方案，如果您不想总是检查编译器是否生成了cmov指令，这很方便。 第一个mov是自由的，因为常量可以在紧密循环中预加载。 其余的是5个算术指令，在端口0,1,5中有5个uop。因此它应该需要5/3个周期（即使存储器读取）。

基准

我已经为上述C ++函数执行了基准测试。 在基准测试中，生成64 KB的随机数据，然后每个函数在此数据上运行多次。 所有结果都添加到校验和中，以确保编译器不会删除代码。 使用手动8x展开。 我在Ivy Bridge 3.4 Ghz核心上进行了测试，这与Sandy Bridge非常相似。 每个输出字符串包含：函数名称，基准测试所用的总时间，每个输入值的周期数，所有输出的总和。

基准代码

MSVC2013 x64 /O2:
hextoint_lut: 0.741 sec, 1.2 cycles  (check: -1022918656)
hextoint_cond: 1.925 sec, 3.0 cycles  (check: -1022918656)
hextoint_cond2: 1.660 sec, 2.6 cycles  (check: -1022918656)
hextoint_bit: 1.400 sec, 2.2 cycles  (check: -1022918656)

GCC 4.8.3 x64 -O3 -fno-tree-vectorize
hextoint_lut: 0.702 sec, 1.1 cycles  (check: -1114112000)
hextoint_cond: 1.513 sec, 2.4 cycles  (check: -1114112000)
hextoint_cond2: 2.543 sec, 4.0 cycles  (check: -1114112000)
hextoint_bit: 1.544 sec, 2.4 cycles  (check: -1114112000)

GCC 4.8.3 x64 -O3
hextoint_lut: 0.702 sec, 1.1 cycles  (check: -1114112000)
hextoint_cond: 0.717 sec, 1.1 cycles  (check: -1114112000)
hextoint_cond2: 0.468 sec, 0.7 cycles  (check: -1114112000)
hextoint_bit: 0.577 sec, 0.9 cycles  (check: -1114112000)

显然，LUT方法每个值需要一个周期（如预测的那样）。 其他方法通常需要每个值2.2到2.6个周期。 在GCC的情况下， hextoint_cond2很慢，因为编译器使用cmp + sbb +和magic而不是所需的cmov指令。 另请注意，默认情况下，GCC会对大多数方法进行矢量化（最后一段），这提供了比不可归一化的LUT方法更快的结果。 请注意，手动矢量化会提供更大的提升。

讨论

请注意，使用普通条件跳转而不是cmov hextoint_cond将具有分支。 假设随机输入十六进制数字，它几乎总是会被错误预测。 因此，我认为表现会很糟糕。

我已经分析了吞吐量性能。 但是如果我们必须处理大量的输入值，那么我们肯定应该对转换进行矢量化以获得更好的速度。 hextoint_cond可以使用SSE以非常简单的方式进行矢量化。 它允许仅使用4条指令处理16个字节到16个字节，我认为大约需要2个周期。

请注意，为了查看性能差异，您必须确保所有输入值都适合缓存（L1是最佳情况）。 如果从主内存中读取输入数据，即使std::atoi与所考虑的方法同样快速=）

此外，您应该将主循环展开4x甚至8x以获得最佳性能（以消除循环开销）。 您可能已经注意到，两种方法的速度在很大程度上取决于代码周围的操作。 例如，添加内存负载会使第一种方法所花费的时间加倍，但不会影响其他方法。

PS很可能你真的不需要优化它。

Answer 4

假设你的函数被调用一个有效的十六进制数字，它将平均花费至少8个比较操作（和perhap的7次跳转）。 很贵。

另一种选择是更紧凑：

if (number >= '0' && number<='9') 
    return number-'0';
else if (number >= 'a' && number <='f') 
    return number-'a'+0x0a; 
else return -1; 

另一个替代方案是使用查找表 （交易空间与速度），您只需初始化一次，然后直接访问：

if (number>=0) 
   return mytable[number]; 
else return -1;   

如果你想一次转换多个数字，你可以看一下这个问题 ）

编辑：基准

根据艾克的观察，我写了一个小的非正式基准（ 在线提供），你可以运行你最喜欢的编译器。

结论：

• 查找表始终是赢家
• 该开关比if-chain更好。
• 随着msvc2015（发布），第二个最好的是我的紧凑版本，令人惊讶的是紧跟地图版101010 。
• 使用gcc on ideone，第二个是交换机版本，紧接着是紧凑版本。

Answer 5

这是我最喜欢的hex-to-int代码：

inline int htoi(int x) {
    return 9 * (x >> 6) + (x & 017);
}

它对字母不区分大小写，即将返回“a”和“A”的正确结果。

Answer 6

如果您（或其他人）实际上正在转换值数组，我制作了一个AVX2 SIMD编码器和解码器，其基准测试比最快的标量实现速度快〜12倍： https ： //github.com/zbjornson/fast-hex

16个十六进制值可方便地（两次）放入YMM寄存器，因此您可以使用PSHUFB进行并行查找。 解码有点困难，基于逐位操作。