标准输入的 C++ IO 优化和字符串处理

Question

我正在为使用 C++ 的“标准标准输入程序”编写一个竞赛程序。输入的第一行表示从那时起预计有多少行 (x) 作为输入。这些输入行可以是字符串、整数或两者的某种组合，并且每一行恰好包含两个由空格分隔的元素。目前，我以类似于以下的方式一次接收每一行（在请求下一行之前处理信息）：

  string initial;
  getline (cin,initial);
  istringstream stringStream (initial);
  vector<string> parsedString;
  vector<int> data;
  char splitToken = ' ';
  while ( !stringStream.eof() )
  {
    string subString;
    getline( stringStream, subString, splitToken);
    parsedString.push_back( subString );
  }

  for (int i = 0; i <parsedString.size(); i++)
  {
    string temp = parsedString[i];
    int intTemp = atoi(temp.c_str());
    data.push_back(intTemp);
  }
  unsigned int n = data[0];
  unsigned int m = data[1];

在这种特定情况下，我知道传入的数据将是两个整数，但情况并非总是如此。我想知道是否有某种方法可以使我的代码更快，或者通过改变我的方法（也许在知道有多少输入行之后一次获取所有输入行）或者通过使用更好的内置 C++ 函数来拆分传入的行空间到组成它们的两个元素。

谢谢

Answer 1

通常，在 C++ 中读取输入的习惯用法更符合以下原则：

std::ios_base::sync_with_stdio(false); //tell iostreams to be fast
int number_of_lines;
std::cin >> number_of_lines;
if (!std::cin) *ERROR*;

for( ; number_of_lines>0; --number_of_lines) {
    unsigned n, m;
    std::cin >> n >> m;
    if (!std::cin) *ERROR*;
    //process n and m here
}

您说“这些输入行可以是字符串、整数或两者的某种组合”，但您如何知道哪些是哪些？上面的代码假设一切都是一个数字，因为如果你不知道类型，输入是没有用的。

Answer 2

好的，如果您想谈谈其他方法，这里有另一种方法： 几乎所有与字符串一起工作的代码的大（性能）问题，即有大量复制操作......一种天真的方法（初学者使用）是制作大量临时字符串当从字符串或内存缓冲区中查找/解析/提取...

另一种方法（当源缓冲区的生命周期允许时）是从缓冲区中查找、解析或提取数据，而无需复制源字符串的任何特定部分。为此，可以使用boost::range 库和boost::iterator_range 类（与boost string_algo 结合使用）。这样可以执行通常的查找/解析任务并避免复制部分字符串。

我的一个例子： 前段时间（用于性能测试）我的同事写了 3 个版本的相同配置解析器（配置文件大约几兆字节）：

• 使用std::string::find
• 使用boost::tokenizer
• 和boost::iterator_range

结果令人惊讶：

• 使用 -O0 优化 std::string::find 获胜（大约是 boost::tokenizer 的 3 倍，大约是基于 iterator_range 的解析器的 5 倍）
• 但在 -O3 时一切都变了：boost::iterator_range 是绝对的赢家！ （大约是std::string::find 的 12 倍！）

结果非常可预测：boost::string_algo 和朋友的高度模板化代码也高度内联...

这就是为什么我个人喜欢使用boost::iterator_range 来解析字符串...

---

所以我建议将所有内容（尽可能多地）读入一个std::string、std::vector<char>（更好的一个，因为它具有内存连续性保证，所以您可以将read() 从流中直接读入容器) 或std::deque<char>，然后使用boost::string_algo 和boost::iterator_range 对其进行解析，以避免任何（无用的）从源字符串复制到临时位置... 也尝试使用boost::lexical_cast 转换数字（或您自己的范围感知数字转换器）

还有一个建议：尽量避免内存（通常）分配——这确实是繁重的操作。 当您知道您想要存储的数据的可能大小时，请使用rserve() 成员作为容器。最后，尝试使用自定义（棘手的）分配器而不是（通常是愚蠢的）默认分配器。

注意在 C++11 中 std::string 具有内存连续性保证 std::vector。

Answer 3

在许多系统上（包括 Linux 上的 GCC），C++ I/O 流非常慢。如果速度是您最关心的问题，请使用<stdio.h>，例如scanf() 和（甚至更快：）getchar()，并手动进行解析，就像在下面的状态机中一样：

int c;
int state = 0;
while ((c = getchar()) >= 0) {
  switch (c) {
   case ' ': case '\t':
    ...;
    ... if (state == ...) { ...; state = ...; }
    break;
   case '\n':
    ...;
    break;
   default:
    ...;
  }
}

尽可能少地复制数据。 （例如，在问题string temp = ... 做了一个不必要的复制，可以通过使用引用消除它：string &temp = ...。）如果可能，使用状态找出下一个字符c 的最终位置，并且把它放在那里，以后不要复制或移动它。