如何将PChar的一部分提取成字符串？

Question

在分析过程中，我遇到了一个函数，它花费了相当多的时间，但本质上可以归结为这个非常简单的代码：

function GetSubstring(AInput: PChar; AStart, ASubstringLength: Integer): string;
begin
  Result := Copy(AInput, AStart, ASubstringLength);
end;

这个函数返回预期的子字符串，但在处理更长的输入时性能不佳。我查看了CPU视图中的汇编代码，并从中可以看出（通常我不是在汇编级别工作），似乎在调用Copy之前将AInput隐式转换为字符串。

但由于此时未知字符串/字符数组的长度，所以转换代码必须遍历PChar的长度，直到找到空终止符。这就解释了对于更长输入的可怕扩展性。

然而，由于调用者传递了PChar的长度，最初我认为可以将方法转换为使用SetString。

function GetSubstring(AInput: PChar; AStart, ASubstringLength: Integer): string;
begin
  SetString(Result, AInput + AStart - 1, ASubstringLength);
end;

除了 SetString 使用零索引（而不是像 Copy 一样使用基于一的索引）之外，似乎还有许多其他小事情要在验证输入方面做 Copy，其中并非所有都有记录（例如，任何小于1的起始值都会更改为1）。因此，上面的天真实现并不总是像原始实现那样工作。

我的目标是尽可能地复制 Copy 程序，因为该函数是库的一部分，并且已经被我的同事广泛使用。

我想知道以下实现是否完成了这一目标，或者是否需要注意 Copy 的任何其他注意事项。注意：FLength 是来自该功能所属模块中的另一个部分的 AInput 的实际长度。我为了这个例子而删除了那个其他部分。

function GetSubstring(AInput: PChar; AStart, ASubstringLength: Integer): string;
begin
  if (AInput = nil) then begin
    Result := '';
  end else begin
    if (AStart < 1) then begin
      AStart := 0;
    end else begin
      AStart := AStart - 1;
    end;
    if (ASubstringLength + AStart > FLength) then begin
      ASubstringLength := FLength - AStart;
    end;
    SetString(Result, AInput + AStart, ASubstringLength);
  end;
end;

我正在使用Delphi 2006，但我认为在产品的其他版本中（至少是非Unicode版本）并没有太大区别。

- PersonalNexus

---

你可以尝试将 GetSubString() 进行内联。 - LU RD

除了SetString()是从零开始计数（而不是像Copy()一样从一开始计数）之外，它还没有索引。它是基于起始指针而不是索引操作的。Copy()有一个以1为基础的索引参数，因此原始的GetSubstring()也有一个以1为基础的AStart。你最初修改的GetSubstring()正在计算错误的指针。它需要使用-1而不是+1来保持与Copy()相同的语义（不包括角落情况）：SetString(Result, Ainput + (AStart - 1), ASubstringLength); - Remy Lebeau

@RemyLebeau 您是对的。我过于简化了“Copy”和“SetString”之间的区别。此外，由于我无法访问我的工作机器，所以我不得不从记忆中重现代码，这导致了+1而不是-1和“SetString”函数/过程混淆。现在已经修复了这些问题。 - PersonalNexus

有趣的是，将方法内联化后，执行时间大约是非内联版本的两倍。不确定原因是否与我的测量方式有关；微基准测试存在很多问题。但是，不用完全扫描字符串并在每次复制时复制它已经足以提高性能了。 - PersonalNexus

Answer 1

让我们考虑一些特殊情况，我认为它们如下：

1. AInput 无效。
2. AStart < 1。
3. AStart > FLength。
4. ASubstringLength < 0。
5. ASubstringLength + (AStart-1) > FLength。

在我看来，我们可以忽略第一种情况。应该由调用者提供有效的 PChar。实际上，在我的观点中，你检查 AInput <> nil 已经是一个过于严格的步骤了，因为 nil 不是一个有效的 PChar。

对于其余的情况，你已经涵盖了第2和第5种情况，但没有考虑第3和第4种情况。所以如果用户提供了一个过大的 AStart 值，那么你将读取字符串的末尾。同样，用户也可以轻松地提供负数的 ASubstringLength。我不认为你需要任何人编写代码来检查这些情况，因为你显然非常有能力。

现在，如果你真的关心每一点性能，你就不应该检查这些情况。要求用户传递有效的参数。在调试模式下，使用 {$IFOPF D+} 或 Assert 来检查输入。当然，如果这些参数来自外部源，则应进行验证。

另一方面，原始代码遭受的最大性能损失是不必要地扫描整个字符串，并将其复制到中间堆分配的字符串中。一旦你已经删除了它们，正如你所做的那样，进一步提高性能的机会就大大降低了。

- David Heffernan

---

实际上，该代码确实使用了 System.SetString() 函数：procedure SetString(var s: string; buffer: PChar; len: Integer); 你为什么认为它没有使用？ - Remy Lebeau

Answer 2

不要将PChar转换为string，而应该尝试从地址AInput + (AStart * SizeOf(PChar))复制内存，长度为ASubstringLength * SizeOf(PChar)，以@Result作为指针更容易处理Result。

Move过程可以实现这一点。

- René Hoffmann

---

SetString确实就是那样做的，不是吗？ - David Heffernan

我的错。我把“SetString”和“UniqueString”搞混了。 - René Hoffmann

我猜SetString检查空终止符，所以这是一个区别。但我的观点是SetString不会创建任何临时字符串，也不会运行整个缓冲区。 - David Heffernan

@David，SetString不会检查空终止符。它只是分配一个字符串并调用Move。 - Rob Kennedy

@Rob 谢谢。我只是在猜测。 - David Heffernan