最快的引号转义实现？

Question

我正在处理一些数据的规范化工作。在处理结束时，将一些 key="value" 对写入文件中。

"value" 部分可以是任何内容，因此在输出时，值必须将任何嵌入引号的字符转义为 \" 。

目前，我正在使用以下代码：

outstream << boost::regex_replace(src, rxquotesearch, quoterepl);
// (where rxquotesearch is  boost::regex("\"")  and quoterepl is "\\\\\"")

然而，gprof显示我的执行时间大部分花费在该方法中，因为我必须为每个行的每个值调用它。

我很好奇是否有比这更快的方法。我不能使用std::replace，因为我要用两个字符替换一个字符。

感谢任何建议。

- Joe

Answer 1

如果速度是一个问题，您应该使用手写函数来执行此操作。请注意使用 reserve() 尝试尽量减少内存（重新）分配。

string escape_quotes(const string &before)
{
    string after;
    after.reserve(before.length() + 4);

    for (string::size_type i = 0; i < before.length(); ++i) {
        switch (before[i]) {
            case '"':
            case '\\':
                after += '\\';
                // Fall through.

            default:
                after += before[i];
        }
    }

    return after;
}

- John Kugelman

---

你可能需要预留 before.length+10% 或者更多的空间吗？假设至少有一个嵌套引用，我们需要扩展吗？ - DeusAduro

随你需要，随便搞。 - John Kugelman

所以，我对我下面发布的评论很好奇。有什么想法，为什么这比在for循环中直接将每个字符输出到流中要快？ - Joe

一个可能的小优化尝试是重复使用同一个“after”字符串对象（即：将after的指针作为参数传递并使函数返回void），这样可以减少构造函数和内存分配调用的次数，因为它只有在遇到比当前空间更大的字符串时才重新分配内存。 - KPexEA

Answer 2

我不会从源字符串中构建一个新的输出字符串。
我将遍历源字符串并打印每个字符，如果字符是引号，则在打印它之前只需打印 "\"。

- KPexEA

---

有趣的是，我使用了John Kugelman的片段，直接将其写入流中，结果比先构建临时字符串再将整个字符串写入流中要慢得多。这完全出乎我的意料！ - Joe

@Joe：我觉得这很有道理，因为它需要N次调用流输出函数，该函数内部可能有很多逻辑。如果你在临时缓冲区中构建输出，你可以（如果必要）将其减少到少量的方法调用和一个非常紧密的内部循环，这似乎更有效率。如果速度是真正重要的，那么它不会比这更快了。 - Charlie

只有实际编码并尝试后，你才会知道。这在不同的机器或编译器上“可能”更快，这完全取决于打印单个字符与完整字符串的开销。 - KPexEA

Answer 3

我并不惊讶正则表达式在这里非常慢 - 你正在使用一个大而全能的锤子来敲打一个微小的钉子。当然，如果你最终需要做一些更有趣的事情，正则表达式可能很快就会在简单性方面占据优势。

至于更简单/更快的方法，你可以尝试将转义后的字符串逐个字符地写入到单独的缓冲区中。然后添加转义变得非常简单，你不会浪费任何时间重新分配字符串或移动字符。最大的困难将是管理缓冲区的大小，但你可以使用向量来解决这个问题，并为每个字符串重复使用同一个向量以避免重复分配。效率的提高将取决于向量的工作细节，但如果需要，你总是可以将其简化为原始数组和手动内存管理。

如果你使用向量，该例程可能看起来像这样：

vector<char> buf;
for( some_iterator it = all_the_strings.begin();
     it != all_the_strings.end(); ++it )
{
    buf.clear();
    const string & str = *it;
    for( size_t i = 0; i < str.size(); ++i )
    {
        if( str[i] == '"' || str[i] == '\\' )
            buf.push_back( '\\' );
        buf.push_back( str[i] );
    }
    buf.push_back( '\0' );

    // note: this is not guaranteed to be safe, see answer comments
    const char * escaped = &buf[0];

    // print escaped string to file here...
}

- Charlie

---

启用优化和预分配后，向量在大多数情况下应该与需要增长的时间一样快。由于我的代码中存在移位操作，因此你的代码很可能比我的更快。 - DeusAduro

我相信这可能不是最好的选择 - 你能详细说明一下为什么，或者提出更好的替代方案吗？ - Charlie

你不应该直接访问向量的后备存储器。虽然它可能会工作，但不能保证。另一种方法是使用string代替vector<char>并调用c_str()如果需要一个char*指针。 - John Kugelman

我想这可能是问题所在。那么，你的实现可能更好（从概念上讲它们几乎相同）。 - Charlie

Answer 4

这里有一个使用string::find和string::insert实现的例子，不确定它是否更快，你需要自己找出答案！代码如下：

std::string src = "hey there i have \" all \" over the f\"in pla\"ce\"";
size_t n = 0;
while ( (n=src.find("\"",n)) != std::string::npos )
{
    src.insert(n,"\\");
    n+=2;
}   
std::cout << src << std::endl;

输出结果为：

嘿，我在各个地方都有“所有”

- DeusAduro