[英]What is the fastest way to iterate through individual characters in a string in C#?
標題是問題。 以下是我嘗試通過研究回答這個問題。 但我不相信我不知情的研究,所以我仍然提出問題(在C#中用字符串中的單個字符迭代的最快方法是什么?)。
偶爾我想逐個循環遍歷字符串的字符,例如在解析嵌套標記時 - 這是正則表達式無法完成的 。 我想知道最快的方法是迭代字符串中的各個字符,特別是非常大的字符串。
我自己做了一堆測試,結果如下。 然而,有許多讀者對.NET CLR和C#編譯器有更深入的了解,所以我不知道我是否遺漏了一些明顯的東西,或者我是否在測試代碼中犯了錯誤。 所以我征集你的集體回應。 如果有人深入了解字符串索引器的實際工作方式,那將非常有幫助。 (這是C#語言功能在幕后編譯成其他東西嗎?還是內置於CLR中的東西?)。
使用流的第一種方法直接取自線程中接受的答案: 如何從字符串生成流?
測試
longString
是一個9910萬字符的字符串,由89個純文本版本的C#語言規范組成。 顯示的結果是20次迭代。 如果存在'啟動'時間(例如方法#3中隱式創建的數組的第一次迭代),我會單獨測試它,例如在第一次迭代后斷開循環。
結果
從我的測試中,使用ToCharArray()方法在char數組中緩存字符串是迭代整個字符串的最快速度。 ToCharArray()方法是一項前期費用,對單個字符的后續訪問速度略快於內置索引訪問器。
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的評論,這里是100個迭代的結果,比一個更正常的1.1 M字符串(C#規范的一個副本)。 Indexer和char數組仍然是最快的,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
使用的代碼(單獨測試;為簡潔起見,一起顯示)
//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:
我解釋了@CodeInChaos和Ben的筆記如下:
fixed (char* pString = longString) {
char* pChar = pString;
for (int i = 0; i < strLength; i++) {
c = *pChar ;
pChar++;
}
}
在短字符串上執行100次迭代的時間為4.4 ms,st dev為0.1 ms。
有什么理由不包括foreach
?
foreach (char c in text)
{
...
}
順便說一句,這真的會成為你的性能瓶頸嗎? 迭代本身占總運行時間的比例是多少?
這種人工測試非常危險。 值得注意的是,您的// 2和// 3版本的代碼實際上從未對字符串進行索引。 抖動優化器只是拋棄了代碼,因為根本沒有使用c變量。 您只是測量for()循環所需的時間。 除非您查看生成的機器代碼,否則您無法真正看到這一點。
將其更改為c += longString[i];
強制使用數組索引器。
當然這是胡說八道。 僅配置真實代碼。
最快的答案是使用C ++ / CLI: 如何:訪問System :: String中的字符
此方法使用指針算法迭代字符串中的字符。 沒有副本,沒有隱式范圍檢查,也沒有每個元素的函數調用。
通過編寫不安全的C#版本的PtrToStringChars
,很可能從C#獲得(幾乎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(); }
記得隨后打電話給
GCHandle.Free
。
CodeInChaos的評論指出C#為此提供了語法糖:
fixed(char* pch = s) { ... }
TL; DR:一個簡單的foreach
是迭代字符串的最快方法。
對於回到這里的人來說:時代變了!
使用最新的.NET 64位JIT,不安全的版本實際上是最慢的。
以下是BenchmarkDotNet的基准實施。 從這些,我得到以下結果:
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 |
有趣的是那些不適用於數組副本的那個。 這表明索引和foreach
在性能上非常相似,差異為5%, foreach
更快 。 使用unsafe
實際上比使用foreach
慢28%。
在過去, unsafe
可能是最快的選擇,但JIT會一直變得更快更智能。
作為參考,基准代碼:
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;
}
}
}
代碼與提供的代碼有一些細微的變化。 從原始字符串中檢索的字符為|
-ed返回變量,然后返回值。 原因是我們實際上需要對結果做些什么。 否則,如果我們只是迭代字符串,如:
//8 foreach (c in string)
foreach (char c in longString) { }
JIT可以自由刪除它,因為它可能會推斷出你實際上並沒有觀察到迭代的結果。 通過|
- 在數組中的字符並返回它,BenchmarkDotNet將確保JIT無法執行此優化。
如果微優化對您來說非常重要,那么試試這個。 (為簡單起見,我假設輸入字符串的長度為8的倍數)
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++;
}
}
}
開個玩笑,永遠不要使用這段代碼:)
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];
...
}
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.