从 std::string 中删除空格的最佳方法

Question

我已将文本文件内容加载到 std::string。我想从加载的字符串中删除空格。

1. 需要使用以下哪种方法以获得更好的性能？
2. 以下哪种方法是最佳实践？
3. 还有其他更好的方法来实现这一点吗？

方法一：
在循环语句中使用 string.find() 扫描字符串并使用 string.erase() 删除空格；

方法二：
在循环语句中使用 string.find() 扫描字符串，并使用 string.append() 将非空白字符复制到新的 string() 变量中；

方法三：
在循环语句中使用 string.find() 扫描字符串，并使用 string.replace() 将非空白字符复制到新的 string(size_t n, char c) 变量中；

方法四：
分配一个 char*（使用 malloc[源字符串的大小]）
在循环语句中使用 string.find() 扫描字符串，然后使用 strcpy 将非空白字符复制到 char* 变量，然后使用 strcat();
最后将 char* 复制到新字符串
免费字符*

Answer 1

编辑：升级为区域感知特征。感谢 user657267 ！

标准算法很简洁！

s.erase(std::remove_if(
    begin(s), end(s),
    [l = std::locale{}](auto ch) { return std::isspace(ch, l); }
), end(s));

Live on Coliru

那是就地修改，如果你需要保留原始字符串：

std::string s2;
s2.reserve(s.size());
std::remove_copy_if(
    begin(s), end(s),
    std::back_inserter(s2),
    [l = std::locale{}](auto ch) { return std::isspace(ch, l); }
);

Live on Coliru

Answer 2

恕我直言，您可以使用方法 2 获得最佳性能，但在附加之前，您需要调用 std::string::reserve 方法将新字符串的容量设置为初始字符串的大小。这需要在追加时防止不必要的重新分配。

Answer 3

为了便于阅读，我会选择boost string algorithm library

#include <boost/algorithm/string.hpp>
std::string str1="Hello  Dolly,   Hello World!"
boost::erase_all(str1, " ");

编辑： 所有空白字符的示例：

std::string str1="Hello  Dolly,\n   Hello\t World!\t";
boost::find_format_all(str1, boost::token_finder(::isspace), boost::const_formatter(""));

EDIT2： 我运行了一些基准测试，看看这种方法与 Quentin 的答案相比如何。我使用isspace 的语言环境感知和非语言环境感知版本运行了 100 个样本。以微秒为单位的平均时间为：

| method                            | avg. time (μs) |
|-----------------------------------|----------------|
| boost::find_format_all w/locale   | 2.02429        |
| boost::find_format_all w/o locale | 0.578105588    |
| std::remove_if w/locale           | 1.197737742    |
| std::remove_if w/o locale         | 0.190661227    |

Answer 4

不清楚您所说的“删除空格”到底是什么意思 - 它是打算使文本不可读并破坏源代码，还是您的意思是“任何多余的空格”？

由于有一个答案建议使用第三方库，我将使用 Qt 中的一种方法，该方法将仅删除“多余的空白”：

QString s("Test\n new line,   multiple spacebars \t tab!");

qDebug() << s;
qDebug() << s.simplified();

输出：

"Test
 new line,   multiple spacebars      tab!"

"Test new line, multiple spacebars tab!"

大多数其他答案都集中在删除所有空格键上，但严格来说，还有其他字符被归类为空格，例如制表符或换行符。

查看simplified() 方法的代码，我会说它相当有效：

QString QString::simplified() const
{
    if (d->size == 0)
        return *this;
    QString result(d->size, Qt::Uninitialized);
    const QChar *from = (const QChar*) d->data;
    const QChar *fromend = (const QChar*) from+d->size;
    int outc=0;
    QChar *to   = (QChar*) result.d->data;
    for (;;) {
        while (from!=fromend && from->isSpace())
            from++;
        while (from!=fromend && !from->isSpace())
            to[outc++] = *from++;
        if (from!=fromend)
            to[outc++] = QLatin1Char(' ');
        else
            break;
    }
    if (outc > 0 && to[outc-1] == QLatin1Char(' '))
        outc--;
    result.truncate(outc);
    return result;
}

新字符串在没有初始化的情况下进行预分配，因此避免了任何初始化和任何重新分配，然后类似于方法2（请记住在不保留空间的情况下追加会导致重新分配很多且缓慢），仅将有用的数据复制到结果字符串，最后，它被修剪得更短以消除任何浪费的内存。

你可以按照这个逻辑为std::string高效地实现它

直接取自Qt source code。

Answer 5

方法 5：使用库覆盖所有边缘情况（包括当前语言环境），当且仅当分析表明这是一个问题时才进行调整。

#include <algorithm>
#include <functional>
#include <iostream>
#include <locale>
#include <string>

template<typename CharT, typename Traits, typename Allocator>
std::basic_string<CharT, Traits, Allocator>
strip_whitespace(std::basic_string<CharT, Traits, Allocator> str)
{
  str.erase(
    remove_if(str.begin(), str.end(), bind(
      std::isspace<CharT>, std::placeholders::_1, std::locale{}
    )),
    str.end()
  );
  return str;
}

int main()
{
  std::string str{"A string with \n whitespace"};
  std::cout << str << '\n' << strip_whitespace(str) << '\n';
}

Answer 6

为了提高性能，最好一次读取一个平台字的字符串（在 64 位平台上为 8 个字节），然后从读取的寄存器中提取每个字符，测试它是否有空格，如果它不是空格，将其添加到接下来要写入的平台字宽寄存器中。当要写入的寄存器已满时（尽可能多地存储到寄存器中的字符），将其写入预先分配的输出缓冲区。对于单字节字符串，逐字符扫描速度要慢 8 倍。

最后，字符串尾部包含的字符可能比占用完整平台单词的字符少。然后需要一个计数器来了解最后处理的平台字中有多少字符。