从 Fortran 格式解析 Rust 中的浮点数

Question

我正在用 Rust 重写 C++ 解析器以获取旧版 ASCII 数据格式。这种格式的实数值允许以任何 Fortran 识别的格式存储。不幸的是，Fortran 可以识别 Rust（或大多数其他语言）无法识别的一些格式。例如，值 101.01 可能表示为

• 101.01
• 1.0101E2
• 101.01e0
• 101.01D0
• 101.01d0
• 101.01+0
• 1010.1-1

前三个都是 Rust 原生识别的。剩下的四个构成了挑战。在 C++ 中，我们使用以下例程来解析这些值：

double parse(const std::string& s){
  char* p;
  const double significand = strtod(&s[0], &p);
  const long exponent = (*p == '\0') ? 
                          0 : isalpha(*p) ?
                            strtol(p+1, nullptr) :
                              strtol(p, nullptr);
  return significand * pow(10, exponent);
}

在查看 Rust 文档后，标准库似乎没有以strtod和的方式提供部分字符串解析strtol。出于性能原因，我想避免多次传递字符串或使用正则表达式。

Answer 1

这本来是对 Veedrac 答案的评论，但评论有点长。

正如 Veedrac 所解释的，准确解析浮点数是很困难的。标准库中的实现完全准确并且经过合理优化。特别是，对于朴素算法起作用的大多数输入来说，它并不比朴素不准确算法慢多少。你应该使用它。完整免责声明：我写的。

我不同意 Veedrac 的地方是如果您想重用该代码如何继续。从标准库中删除它是一个坏主意。它非常庞大，大约有 2.5k 行代码，并且偶尔仍然会进行更改/改进 - 尽管很少且大多是在非常小的方面。但有一天我会找到时间重写缓慢的路径，使其变得更好更快，这是我承诺的。如果您删除此代码，则必须获取该core::num::dec2flt模块并修改子parse模块以识别其他指数。当然，您不会自动从未来的改进中受益，如果您对性能感兴趣，这将是一种耻辱。

最明智的方法是将其他格式转换为 Rust 支持的格式。如果它是 a d,D或裸露的，+您可以简单地将其替换为 ane并将其传递给 string 。仅在这种情况下，1010.1-1您需要插入e并移动字符串的指数部分。这应该不会花费太多性能。浮点字符串很短（最多 20 个字节左右，通常要少得多），并且实际的转换工作在每个字节上完成了大量工作。对于 C++ 代码也是如此，因为strtod在 glibc 中也是准确的。或者至少它试图做到这一点，它无法修复围绕它构建的临时算法。无论如何，它正在努力。

另一种可能性是使用 FFI 调用 C 的strtod. 使用libc 箱并调用libc::strtod. &str这需要一些扭曲才能从原始指针转换为c_char，并且它将严重处理内部 0 字节，但是您显示的代码无论如何都不是非常健壮。这将允许您将算法转换为 Rust，具有相同的性能、语义和（不）准确度。