在C中比較兩個字符串的最快方法是什么？

Question

為了清楚起見，我只說空終止的字符串。

我熟悉使用strcmp在C中進行字符串比較的標准方法。 但是我覺得它很慢而且效率很低。

我並不一定要尋找最簡單的方法，而是最有效的方法。

在基礎代碼保持跨平台的情況下，是否可以進一步優化當前比較方法（strcmp）？

如果無法進一步優化strcmp，在沒有strcmp的情況下執行字符串比較的最快方法是什么？

當前用例：

• 確定兩個任意字符串是否匹配
• 字符串不得超過4096個字節，且大小不得小於1個字節
• 在同一代碼/庫中分配/取消分配和比較字符串
• 比較完成后，我將字符串傳遞給另一個C庫，該庫需要采用標准的以null終止的格式
• 系統內存限制不是一個大問題，但是我將排隊等待數萬個這樣的字符串進行比較
• 字符串可以包含高字符集字符集或UTF-8字符，但出於我的目的，我只需要知道它們是否匹配，就不必擔心內容
• 應用程序在x86上運行，但也應該在x64上運行

引用當前的strcmp（）實現：

• strcmp如何工作？
• strcmp實際上做什么？
• GLIBC strcmp（）源代碼

編輯：闡明了解決方案，無需對strcmp進行修改。

編輯2：為此用例添加了特定示例。

Answer 1

恐怕您對strcmp() 引用實現既不准確也不相關：

• 這是不准確的，因為它使用char類型而不是C11 Standard中指定的unsigned char類型來比較字符：

  7.24.4比較功能

  比較函數memcmp ， strcmp和strncmp返回的非零值的符號由在比較的對象中不同的第一對字符對（兩個都解釋為unsigned char ）的值之差確定。

• 這無關緊要，因為現代編譯器使用的實際實現要復雜得多，可以使用手工編碼的匯編語言進行內聯擴展。

任何通用的實現都可能不是最優的，特別是如果編碼為跨平台可移植的話。

這是探索程序瓶頸是否比較字符串的一些指導。

• 分析您的算法，嘗試找到減少比較次數的方法：例如，如果您在數組中搜索字符串，對該數組進行排序並使用二進制搜索來大幅度減少比較次數。
• 如果您的字符串是在許多不同地方使用的標記，請分配這些標記的唯一副本並將其用作標量值。 當且僅當指針相等時，字符串才相等。 我一直使用哈希表在編譯器和解釋器中使用此技巧。
• 如果您的字符串具有相同的已知長度，則可以使用memcmp()代替strcmp() 。 memcmp()比strcmp()更簡單，並且在已知字符串正確對齊的地方可以更高效地實現。

編輯：使用提供的額外信息，您可以對字符串使用如下結構：

typedef struct string_t {
    size_t len;
    size_t hash;  // optional
    char str[];   // flexible array, use [1] for pre-c99 compilers
} string_t;

您可以通過以下方式分配此結構：

string_t *create_str(const char *s) {
    size_t len = strlen(s);
    string_t *str = malloc(sizeof(*str) + len + 1;
    str->len = len;
    str->hash = hash_str(s, len);
    memcpy(str->str, s, len + 1);
    return str;
}

如果可以對所有字符串使用這些str東西，則可以通過首先比較長度或哈希值來極大地提高匹配效率。 您仍然可以將str成員傳遞給庫函數，該函數正確以null終止。