獲取NSString中所有大寫字母的NSRange對象數組的最快方法？

Question

我需要NSRange對象作為給定NSString中每個大寫字母的位置，以輸入自定義屬性字符串類的方法。

當然有很多方法可以實現這一點，例如rangeOfString：options：使用NSRegularExpressionSearch或使用RegexKitLite在遍歷字符串時單獨獲取每個匹配。

完成此任務的最快表現方法是什么？

Answer 1

最簡單的方法可能是使用-rangeOfCharacterFromSet:options:range: with [NSCharacterSet uppercaseLetterCharacterSet] 。 通過修改每次調用搜索的范圍，您可以非常輕松地找到所有大寫字母。 類似下面的內容將為您提供所有范圍的NSArray（編碼為NSValues）：

- (NSArray *)rangesOfUppercaseLettersInString:(NSString *)str {
    NSCharacterSet *cs = [NSCharacterSet uppercaseLetterCharacterSet];
    NSMutableArray *results = [NSMutableArray array];
    NSRange searchRange = NSMakeRange(0, [str length]);
    NSRange range;
    while ((range = [str rangeOfCharacterFromSet:cs options:0 range:searchRange]).location != NSNotFound) {
        [results addObject:[NSValue valueWithRange:range]];
        searchRange = NSMakeRange(NSMaxRange(range), [str length] - NSMaxRange(range));
    }
    return results;
}

請注意，這不會將相鄰范圍合並為單個范圍，但這很容易添加。

這是基於NSScanner的替代解決方案：

- (NSArray *)rangesOfUppercaseLettersInString:(NSString *)str {
    NSCharacterSet *cs = [NSCharacterSet uppercaseLetterCharacterSet];
    NSMutableArray *results = [NSMutableArray array];
    NSScanner *scanner = [NSScanner scannerWithString:str];
    while (![scanner isAtEnd]) {
        [scanner scanUpToCharactersFromSet:cs intoString:NULL]; // skip non-uppercase characters
        NSString *temp;
        NSUInteger location = [scanner scanLocation];
        if ([scanner scanCharactersFromSet:cs intoString:&temp]) {
            // found one (or more) uppercase characters
            NSRange range = NSMakeRange(location, [temp length]);
            [results addObject:[NSValue valueWithRange:range]];
        }
    }
    return results;
}

與上一個不同，這個將相鄰的大寫字符合並為一個范圍。

編輯 ：如果你正在尋找絕對速度，這個可能是這里提出的3中最快的，同時仍然保持正確的unicode支持（注意，我還沒有嘗試編譯這個）：

// returns a pointer to an array of NSRanges, and fills in count with the number of ranges
// the buffer is autoreleased
- (NSRange *)rangesOfUppercaseLettersInString:(NSString *)string count:(NSUInteger *)count {
    NSMutableData *data = [NSMutableData data];
    NSUInteger numRanges = 0;
    NSUInteger length = [string length];
    unichar *buffer = malloc(sizeof(unichar) * length);
    [string getCharacters:buffer range:NSMakeRange(0, length)];
    NSCharacterSet *cs = [NSCharacterSet uppercaseLetterCharacterSet];
    NSRange range = {NSNotFound, 0};
    for (NSUInteger i = 0; i < length; i++) {
        if ([cs characterIsMember:buffer[i]]) {
            if (range.location == NSNotFound) {
                range = (NSRange){i, 0};
            }
            range.length++;
        } else if (range.location != NSNotFound) {
            [data appendBytes:&range length:sizeof(range)];
            numRanges++;
            range = (NSRange){NSNotFound, 0};
        }
    }
    if (range.location != NSNotFound) {
        [data appendBytes:&range length:sizeof(range)];
        numRanges++;
    }
    if (count) *count = numRanges;
    return [data bytes];
}

Answer 2

使用RegexKitLite 4.0+和支持Blocks的運行時，這可能非常有趣：

NSString *string = @"A simple String to TEST for Upper Case Letters.";
NSString *regex = @"\\p{Lu}";

[string enumerateStringsMatchedByRegex:regex options:RKLNoOptions inRange:NSMakeRange(0UL, [string length]) error:NULL enumerationOptions:RKLRegexEnumerationCapturedStringsNotRequired usingBlock:^(NSInteger captureCount, NSString * const capturedStrings[captureCount], const NSRange capturedRanges[captureCount], volatile BOOL * const stop) {
  NSLog(@"Range: %@", NSStringFromRange(capturedRanges[0]));
}];

正則表達式\\p{Lu}表示“將所有字符與'Letter'的Unicode屬性匹配，也是'大寫''。

選項RKLRegexEnumerationCapturedStringsNotRequired告訴RegexKitLite它不應該創建NSString對象並通過capturedStrings[]傳遞它們。 這節省了相當多的時間和內存。 唯一傳遞給塊的是通過capturedRanges[]進行匹配的NSRange值。

這有兩個主要部分，第一部分是RegexKitLite方法：

[string enumerateStringsMatchedByRegex:regex
                               options:RKLNoOptions
                               inRange:NSMakeRange(0UL, [string length])
                                 error:NULL
                    enumerationOptions:RKLRegexEnumerationCapturedStringsNotRequired
                            usingBlock:/* ... */
];

...第二個是作為該方法的參數傳遞的塊：

^(NSInteger captureCount,
  NSString * const capturedStrings[captureCount],
  const NSRange capturedRanges[captureCount],
  volatile BOOL * const stop) { /* ... */ }

Answer 3

它在某種程度上取決於字符串的大小，但是我能想到的絕對最快的方式（注意：國際化安全性無法保證，甚至沒有預期！大寫的概念是否適用於日語？）是：

1）獲取指向字符串的原始C字符串的指針，如果它足夠小，最好在堆棧緩沖區中。 CFString具有此功能。 閱讀CFString.h中的注釋。

2）malloc（）一個足夠大的緩沖區，可以在字符串中為每個字符保存一個NSRange。

3）像這樣的東西（完全未經測試，寫入此文本字段，原諒錯誤和拼寫錯誤）

NSRange *bufferCursor = rangeBuffer; 
NSRange range = {NSNotFound, 0}; 
for (int idx = 0; idx < numBytes; ++idx) { 
    if (isupper(buffer[idx])) { 
        if (range.length > 0) { //extend a range, we found more than one uppercase letter in a row
            range.length++;
        } else { //begin a range
            range.location = idx; 
            range.length = 1;
        }
    }
    else if (range.location != NSNotFound) { //end a range, we hit a lowercase letter
        *bufferCursor = range; 
        bufferCursor++;
        range.location = NSNotFound;
    }
}

4）realloc（）將范圍緩沖區調回到你實際使用的大小（可能需要保持開始執行該范圍的計數）

Answer 4

像isupper *這樣的函數與-[NSString characterAtIndex:]相結合將會很快。

* isupper就是一個例子 - 它可能適合您的輸入，也可能不適合您的輸入。