[英]What is the fastest way to iterate through individual characters in a string in C#?
标题是问题。 以下是我尝试通过研究回答这个问题。 但我不相信我不知情的研究,所以我仍然提出问题(在C#中用字符串中的单个字符迭代的最快方法是什么?)。
偶尔我想逐个循环遍历字符串的字符,例如在解析嵌套标记时 - 这是正则表达式无法完成的 。 我想知道最快的方法是迭代字符串中的各个字符,特别是非常大的字符串。
我自己做了一堆测试,结果如下。 然而,有许多读者对.NET CLR和C#编译器有更深入的了解,所以我不知道我是否遗漏了一些明显的东西,或者我是否在测试代码中犯了错误。 所以我征集你的集体回应。 如果有人深入了解字符串索引器的实际工作方式,那将非常有帮助。 (这是C#语言功能在幕后编译成其他东西吗?还是内置于CLR中的东西?)。
使用流的第一种方法直接取自线程中接受的答案: 如何从字符串生成流?
测试
longString
是一个9910万字符的字符串,由89个纯文本版本的C#语言规范组成。 显示的结果是20次迭代。 如果存在'启动'时间(例如方法#3中隐式创建的数组的第一次迭代),我会单独测试它,例如在第一次迭代后断开循环。
结果
从我的测试中,使用ToCharArray()方法在char数组中缓存字符串是迭代整个字符串的最快速度。 ToCharArray()方法是一项前期费用,对单个字符的后续访问速度略快于内置索引访问器。
milliseconds
---------------------------------
Method Startup Iteration Total StdDev
------------------------------ ------- --------- ----- ------
1 index accessor 0 602 602 3
2 explicit convert ToCharArray 165 410 582 3
3 foreach (c in string.ToCharArray)168 455 623 3
4 StringReader 0 1150 1150 25
5 StreamWriter => Stream 405 1940 2345 20
6 GetBytes() => StreamReader 385 2065 2450 35
7 GetBytes() => BinaryReader 385 5465 5850 80
8 foreach (c in string) 0 960 960 4
更新: Per @ Eric的评论,这里是100个迭代的结果,比一个更正常的1.1 M字符串(C#规范的一个副本)。 Indexer和char数组仍然是最快的,其次是foreach(字符串中的char),然后是stream方法。
milliseconds
---------------------------------
Method Startup Iteration Total StdDev
------------------------------ ------- --------- ----- ------
1 index accessor 0 6.6 6.6 0.11
2 explicit convert ToCharArray 2.4 5.0 7.4 0.30
3 for(c in string.ToCharArray) 2.4 4.7 7.1 0.33
4 StringReader 0 14.0 14.0 1.21
5 StreamWriter => Stream 5.3 21.8 27.1 0.46
6 GetBytes() => StreamReader 4.4 23.6 28.0 0.65
7 GetBytes() => BinaryReader 5.0 61.8 66.8 0.79
8 foreach (c in string) 0 10.3 10.3 0.11
使用的代码(单独测试;为简洁起见,一起显示)
//1 index accessor
int strLength = longString.Length;
for (int i = 0; i < strLength; i++) { c = longString[i]; }
//2 explicit convert ToCharArray
int strLength = longString.Length;
char[] charArray = longString.ToCharArray();
for (int i = 0; i < strLength; i++) { c = charArray[i]; }
//3 for(c in string.ToCharArray)
foreach (char c in longString.ToCharArray()) { }
//4 use StringReader
int strLength = longString.Length;
StringReader sr = new StringReader(longString);
for (int i = 0; i < strLength; i++) { c = Convert.ToChar(sr.Read()); }
//5 StreamWriter => StreamReader
int strLength = longString.Length;
MemoryStream stream = new MemoryStream();
StreamWriter writer = new StreamWriter(stream);
writer.Write(longString);
writer.Flush();
stream.Position = 0;
StreamReader str = new StreamReader(stream);
while (stream.Position < strLength) { c = Convert.ToChar(str.Read()); }
//6 GetBytes() => StreamReader
int strLength = longString.Length;
MemoryStream stream = new MemoryStream(Encoding.Unicode.GetBytes(longString));
StreamReader str = new StreamReader(stream);
while (stream.Position < strLength) { c = Convert.ToChar(str.Read()); }
//7 GetBytes() => BinaryReader
int strLength = longString.Length;
MemoryStream stream = new MemoryStream(Encoding.Unicode.GetBytes(longString));
BinaryReader br = new BinaryReader(stream, Encoding.Unicode);
while (stream.Position < strLength) { c = br.ReadChar(); }
//8 foreach (c in string)
foreach (char c in longString) { }
接受的答案:
我解释了@CodeInChaos和Ben的笔记如下:
fixed (char* pString = longString) {
char* pChar = pString;
for (int i = 0; i < strLength; i++) {
c = *pChar ;
pChar++;
}
}
在短字符串上执行100次迭代的时间为4.4 ms,st dev为0.1 ms。
有什么理由不包括foreach
?
foreach (char c in text)
{
...
}
顺便说一句,这真的会成为你的性能瓶颈吗? 迭代本身占总运行时间的比例是多少?
这种人工测试非常危险。 值得注意的是,您的// 2和// 3版本的代码实际上从未对字符串进行索引。 抖动优化器只是抛弃了代码,因为根本没有使用c变量。 您只是测量for()循环所需的时间。 除非您查看生成的机器代码,否则您无法真正看到这一点。
将其更改为c += longString[i];
强制使用数组索引器。
当然这是胡说八道。 仅配置真实代码。
最快的答案是使用C ++ / CLI: 如何:访问System :: String中的字符
此方法使用指针算法迭代字符串中的字符。 没有副本,没有隐式范围检查,也没有每个元素的函数调用。
通过编写不安全的C#版本的PtrToStringChars
,很可能从C#获得(几乎C ++ / CLI不需要固定)相同的性能。
就像是:
unsafe char* PtrToStringContent(string s, out GCHandle pin) { pin = GCHandle.Alloc(s, GCHandleType.Pinned); return (char*)pin.AddrOfPinnedObject().Add(System.Runtime.CompilerServices.RuntimeHelpers.OffsetToStringData).ToPointer(); }
记得随后打电话给
GCHandle.Free
。
CodeInChaos的评论指出C#为此提供了语法糖:
fixed(char* pch = s) { ... }
TL; DR:一个简单的foreach
是迭代字符串的最快方法。
对于回到这里的人来说:时代变了!
使用最新的.NET 64位JIT,不安全的版本实际上是最慢的。
以下是BenchmarkDotNet的基准实施。 从这些,我得到以下结果:
Method | Mean | Error | StdDev |
---------------- |----------:|----------:|----------:|
Indexing | 5.9712 us | 0.8738 us | 0.3116 us |
IndexingOnArray | 8.2907 us | 0.8208 us | 0.2927 us |
ForEachOnArray | 8.1919 us | 0.6505 us | 0.1690 us |
ForEach | 5.6946 us | 0.0648 us | 0.0231 us |
Unsafe | 7.2952 us | 1.1050 us | 0.3941 us |
有趣的是那些不适用于数组副本的那个。 这表明索引和foreach
在性能上非常相似,差异为5%, foreach
更快 。 使用unsafe
实际上比使用foreach
慢28%。
在过去, unsafe
可能是最快的选择,但JIT会一直变得更快更智能。
作为参考,基准代码:
using System;
using System.Collections.Generic;
using System.Linq;
using System.Text;
using System.Threading.Tasks;
using BenchmarkDotNet.Attributes;
using BenchmarkDotNet.Configs;
using BenchmarkDotNet.Horology;
using BenchmarkDotNet.Jobs;
using BenchmarkDotNet.Running;
namespace StringIterationBenchmark
{
public class StringIteration
{
public static void Main(string[] args)
{
var config = new ManualConfig();
config.Add(DefaultConfig.Instance);
config.Add(Job.Default
.WithLaunchCount(1)
.WithIterationTime(TimeInterval.FromMilliseconds(500))
.WithWarmupCount(3)
.WithTargetCount(6)
);
BenchmarkRunner.Run<StringIteration>(config);
}
private readonly string _longString = BuildLongString();
private static string BuildLongString()
{
var sb = new StringBuilder();
var random = new Random();
while (sb.Length < 10000)
{
char c = (char)random.Next(char.MaxValue);
if (!Char.IsControl(c))
sb.Append(c);
}
return sb.ToString();
}
[Benchmark]
public char Indexing()
{
char c = '\0';
var longString = _longString;
int strLength = longString.Length;
for (int i = 0; i < strLength; i++)
{
c |= longString[i];
}
return c;
}
[Benchmark]
public char IndexingOnArray()
{
char c = '\0';
var longString = _longString;
int strLength = longString.Length;
char[] charArray = longString.ToCharArray();
for (int i = 0; i < strLength; i++)
{
c |= charArray[i];
}
return c;
}
[Benchmark]
public char ForEachOnArray()
{
char c = '\0';
var longString = _longString;
foreach (char item in longString.ToCharArray())
{
c |= item;
}
return c;
}
[Benchmark]
public char ForEach()
{
char c = '\0';
var longString = _longString;
foreach (char item in longString)
{
c |= item;
}
return c;
}
[Benchmark]
public unsafe char Unsafe()
{
char c = '\0';
var longString = _longString;
int strLength = longString.Length;
fixed (char* p = longString)
{
var p1 = p;
for (int i = 0; i < strLength; i++)
{
c |= *p1;
p1++;
}
}
return c;
}
}
}
代码与提供的代码有一些细微的变化。 从原始字符串中检索的字符为|
-ed返回变量,然后返回值。 原因是我们实际上需要对结果做些什么。 否则,如果我们只是迭代字符串,如:
//8 foreach (c in string)
foreach (char c in longString) { }
JIT可以自由删除它,因为它可能会推断出你实际上并没有观察到迭代的结果。 通过|
- 在数组中的字符并返回它,BenchmarkDotNet将确保JIT无法执行此优化。
如果微优化对您来说非常重要,那么试试这个。 (为简单起见,我假设输入字符串的长度为8的倍数)
unsafe void LoopString()
{
fixed (char* p = longString)
{
char c1,c2,c3,c4;
Int64 len = longString.Length;
Int64* lptr = (Int64*)p;
Int64 l;
for (int i = 0; i < len; i+=8)
{
l = *lptr;
c1 = (char)(l & 0xffff);
c2 = (char)(l >> 16);
c3 = (char)(l >> 32);
c4 = (char)(l >> 48);
lptr++;
}
}
}
开个玩笑,永远不要使用这段代码:)
如果速度真正重要for
是要快foreach
for (int i = 0; i < text.Length; i++) {
char ch = text[i];
...
}
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.