最快捷的词汇方式

Question

使用C++将单词(std :: string)大写的最快方法是什么？

在使用带有-O3标志的g ++ 4.6.3的Debian Linux上,使用此函数boost::to_lower将在AMD Phenom(tm)II X6 1090T处理器(3200 MHz)的单个执行线程中大约24秒内占用81,450,625个字.

void Capitalize( std::string& word )
{
    boost::to_lower( word );
    word[0] = toupper( word[0] );
}

此功能使用std::transform大约10秒内完成相同的操作.我在测试之间清除VM,所以我不认为这种差异是侥幸:

sync && echo 3 > /proc/sys/vm/drop_caches

void Capitalize( std::string& word )
{
    std::transform(word.begin(), word.end(), word.begin(), ::tolower);
    word[0] = toupper( word[0] );
}

有更快的方法吗？我不想为了速度而失去可移植性,但是如果有更快的方法可以在std C++或std C++中使用boost工作,我想尝试一下.

谢谢.

Answer 1

几种使速度更快的方法：
1.不要使用to_lower，它很慢。也不要使用ifs，而是创建一个包含256个条目的表，该条目将字符映射到其小写版本，而另一个表则使用大写形式。
2.不要使用transform，将指针指向第一个字符并循环直到空终止符。
3.如果内存不是问题，请使用映射2个字符序列的表。在这种情况下，您将需要另一个处理终止的表。
4.如果可以在组装中执行此操作，它将更快。

Answer 2

在处理输入不能保证为大写的 DNA 序列时遇到了这个确切的问题，并且boost::to_upper代码中的瓶颈在哪里。改成这样：

template<typename T_it>
void SequenceToUpperCase( T_it begin, T_it end )
{
    // Convert to upper: clear the '32' bit, 0x20 in hex. And with the
    // inverted bit string (~).
    for ( auto it = begin; it != end; ++it )
        *it &= ~0x20;
}

导致了巨大的速度提升。我确信可以通过例如一次翻转 8 个字节来进一步优化，但是使用上面的代码，大写字母对我们来说几乎是瞬时的。对于小写：做：

        *it |= 0x20;

Answer 3

如果大写确实是一个瓶颈，那么使用手写循环和内联 toupper/tolower 函数编写自己的大写实现。如果有必要，请使用 ASM。