最有效的数据结构,为文本添加样式

Question

我正在寻找最佳的数据结构来为文本添加样式(比如在文本编辑器中).该结构应允许以下操作:

1. 在绝对位置X快速查找所有样式
2. 在任何位置快速插入文本(必须移动该位置后的样式).
3. 文本的每个位置都必须支持任意数量的样式(重叠).

我已经考虑了包含文本范围的列表/数组,但是它们不允许快速插入而不重新计算插入点之后所有样式的位置.

具有相对偏移的树结构支持#2,但是当我向文本添加大量样式时,树将快速退化.

还有其他选择吗？

Answer 1

我从来没有开发过编辑器，但是这个怎么样：

我相信可以扩展用于存储文本字符本身的方案，当然这取决于您的实现细节（语言、工具包等）以及您的性能和资源使用要求。

我不想为样式使用单独的数据结构，而是更喜欢有一个引用，该引用将伴随每个字符并指向具有适用字符的数组或列表。具有相同样式集的字符可以指向相同的数组或列表，以便可以共享。

字符插入和删除不会影响样式本身，除了更改对它们的引用数量之外，这可以通过一些引用计数来处理。

根据您的编程语言，您甚至可以通过指向列表的一半来进一步压缩内容，尽管为此进行的额外簿记实际上可能会降低效率。

此建议的主要问题是内存使用。在用 C 编写的 ASCII 编辑器中，由于结构对齐填充，将指针与每个字符捆绑​​在一起会在 64 位系统上将其有效内存使用量从 1 字节提高到 12 字节。

我会考虑将文本分成小的可变大小的块，这样您就可以有效地压缩指针。例如，32 个字符的块在 C 中可能如下所示：

struct _BLK_ {
    unsigned char size;
    unsigned int styles;
    char content[];
}

有趣的部分是对结构体变量部分的元数据处理，其中包含存储的文本和任何样式指针。size 元素表示字符数。样式整数（因此有 32 个字符的限制）将被视为一组 32 个 1 位字段，每个字段指示字符是否具有自己的样式指针，或者是否应使用与前一个字符相同的样式。这样，具有单一样式的 32 字符块将仅具有大小字符、样式掩码和单个指针以及任何填充字节的额外开销。在这样的小数组中插入和删除字符应该相当快。

至于文本存储本身，树听起来是个好主意。也许是一个二叉树，其中每个节点值都是子节点值的总和，叶节点最终指向文本块，其大小作为节点值？根节点值将是文本的总大小，理想情况下每个子树保存文本的一半。不过，您仍然必须自动平衡它，有时必须合并半空的文本块。

如果你错过了，我不是树木专家:-)

编辑：

显然我建议的是这个数据结构的修改版本：

http://en.wikipedia.org/wiki/Rope_%28computer_science%29

正如这篇文章中所引用的：

文本编辑器的数据结构

编辑2：

建议的数据结构中的删除应该相对较快，因为它将归结为数组中的字节移位以及样式掩码上的一些按位操作。插入几乎是一样的，除非一个块被填满。在每个块内保留一些空间（即样式掩码中的一些位）可能是有意义的，以便将来可以直接在块中插入，而不必为相对少量的新文本更改树本身。

像这样将字符和样式捆绑在块中的另一个优点是，其固有的数据局部性应该比其他替代方案更有效地使用 CPU 缓存，从而在一定程度上提高处理速度。

不过，与任何复杂的数据结构非常相似，您可能需要使用代表性测试用例进行分析或使用自适应算法来确定其操作的最佳参数（块大小、任何保留空间等）。