缓慢的文件读取和复制到内存-C ++

Question

我正在读取文件并将数据保存到vector 。 我不能使用arrays因为数据大小不是固定的。 文件大小约为300kb，最大可达600kb。 目前，读取/保存大约需要5-8秒。

我想知道是什么导致我的读取/复制方法变慢，以及如何加以改进？

样本数据：

0000：4000 94 45 30 39 36 39 74 00 00 00 00 50 00 00 00 27其他一些信息

int SomeClass::Open () 
{

    vector <unsigned int> memory; // where the data will be stored
    file.open("c:\\file.txt",ios::in);
    regex addressPattern("0000:(\\d|[a-z]){4}"); // used to extract the address from a string
    regex dataPattern("( (\\d|[a-z]){2}){16}"); // used to extract the data from a string
    smatch match;
    string str; // where each line will be stored
    string data; // where the data found in each line will be stored
    int firstAddress = -1; // -1 = address not been found
    unsigned int sector = 0;
    unsigned int address = 0;
    while(getline(file,str)){

         if(regex_search(str,match,addressPattern) && firstAddress == -1){ 
             sector = std::stoul(match.str().substr(0,3),nullptr,16);
             address = std::stoul(match.str().substr(5),nullptr,16);
             firstAddress = address;
         }
         if(regex_search(str,match,dataPattern)){
            std::istringstream stream(str);
            string data; // used to store individual byte from dataString
            while(stream >> data){
                unsigned int c = std::stoul(data,nullptr,16); // convertion from hex to dec
                memory.insert(memory.end(),c);
            }
         }
    }

    return 0;

}

Answer 1

这似乎是预期的。 使用Boost::Progress或ctime隔离昂贵的指令。

向量是通过数组的方式在连续内存中实现的，因此，在那里您应该不会看到太多（如果有的话）减速。 对于600kb的文件，文件IO时间可能最短-我想它会在打开时缓存到内存中。 您可以使用file.open的ios::binary模式标志将整个文件缓存到内存中，但是您必须对每行进行反序列化-getline抽象的成本。

综上所述，编译器非常擅长优化IO和向量。 瓶颈可能是正则表达式（甚至正则表达式匹配）的构造，这是必要且复杂的。 每个正则表达式都会生成确定性有限状态自动机： 平均正则表达式算法的时间复杂度是多少？ 。

Answer 2

正则表达式功能强大，但复杂且缓慢。

由于您的格式是完全静态的（固定的数字位数和中间的固定分隔符），因此您可以自己实现转换，逐字符读取char。 这不会很复杂。

例如，要读取所有十六进制数字，并检查空格和分号：

while(getline(file,str))
{
    if(str.size()>=57)
    {
        int sector = hexToInt(str.data(), 4);
        int address = hexToInt(str.data()+5, 4);

        bool ok = ok && (sector==0) && (address>=0);

        ok = ok && str[4] == ':';

        int bytes[16];
        for(int i=0;i<16;++i)
        {
            bytes[i] = hexToInt(str.data()+10+3*i, 2);
            ok = ok && (str[9+3*i]==' ') && (bytes[i]>=0);
        }
    }

    //Etc...
}

用于检查和转换十六进制数字的功能：

int hexCharToDigit(char c)
{
    if(c>='0' && c<='9')
    {
        //Decimal digit
        return (int)(c-'0');
    }
    else if (str[i]>='a' && str[i]<='f')
    {
        //Hexadecimal lower case letter
        return (int)(c-'a')+10;
    }
    else if (str[i]>='A' && str[i]<='F')
    {
        //Hexadecimal upper case letter
        return (int)(c-'A')+10;
    }
    else
    {
        //Char is not a hex digit
        return -1;
    }  
}

用于将n位十六进制并将其转换为int的函数：

int hexToInt(const char * chr, int size)
{
    assert(size<8);

    int result= 0;
    for(int i=0;i<size;++i)
    {
        int hexDigit = hexCharToDigit(chr[i]);
        if(hexDigit>=0)
        {
            //Valid hexadecimal digit
            result = result << 4;
            result += hexDigit;
        }
        else
        {
            //Char is not a hex digit as expected
            return -1;
        }   
    }

    return result;
}