在 C 中比较两个字符串的最快方法是什么？

Question

为了清楚起见，我只讨论以空字符结尾的字符串。

我熟悉在 C 中使用 strcmp 进行字符串比较的标准方法。但是我觉得它很慢而且效率低。

我不一定要寻找最简单但最有效的方法。

当前的比较方法（strcmp）能否在底层代码保持跨平台的情况下进一步优化？

如果 strcmp 无法进一步优化，我可以在没有 strcmp 的情况下执行字符串比较的最快方法是什么？

当前用例：

• 判断两个任意字符串是否匹配
• 字符串不超过 4096 字节，也不小于 1 字节
• 在同一代码/库中分配/解除分配和比较字符串
• 比较完成后，我会将字符串传递给另一个 C 库，该库需要格式为标准空终止格式
• 系统内存限制不是一个大问题，但我会有数万个这样的字符串排队等待比较
• 字符串可能包含高 ascii 字符集或 UTF-8 字符，但出于我的目的，我只需要知道它们是否匹配，内容不是问题
• 应用程序在 x86 上运行，但也应在 x64 上运行

参考当前的 strcmp() 实现：

• How does strcmp work?
• What does strcmp actually do?
• GLIBC strcmp() source code

编辑：澄清解决方案不需要修改strcmp。

编辑 2：为此用例添加了具体示例。

Answer 1

恐怕您对strcmp() 的参考实施既不准确也不相关：

• 这是不准确的，因为它使用 char 类型而不是 C11 标准中指定的 unsigned char 类型来比较字符：

  7.24.4 比较函数

  比较函数memcmp、strcmp 和strncmp 返回的非零值的符号由第一对字符的值之间的差的符号决定（均解释为unsigned char ) 在被比较的对象上有所不同。

• 这无关紧要，因为现代编译器使用的实际实现要复杂得多，使用手工编码的汇编语言进行内联扩展。

任何通用实现都可能不太理想，尤其是在编码为保持跨平台可移植性的情况下。

如果您的程序的瓶颈是比较字符串，这里有几个方向可以探索。

• 分析您的算法，尝试找到减少比较次数的方法：例如，如果您在数组中搜索一个字符串，对该数组进行排序并使用二分搜索来大幅减少比较次数。
• 如果您的字符串是在许多不同地方使用的标记，请分配这些标记的唯一副本并将它们用作标量值。当且仅当指针相等时，字符串才会相等。我一直在编译器和解释器中使用这个技巧和哈希表。
• 如果您的字符串具有相同的已知长度，您可以使用memcmp() 而不是strcmp()。 memcmp() 比 strcmp() 更简单，并且可以在已知字符串正确对齐的地方更有效地实现。

编辑：使用提供的额外信息，您可以为您的字符串使用这样的结构：

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

你可以这样分配这个结构：

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;
}

如果你可以为你所有的字符串使用这些str的东西，你可以通过首先比较长度或哈希值来大大提高匹配的效率。您仍然可以将 str 成员传递给您的库函数，它正确地以 null 终止。