高级字符串处理

引言

如今，在编写 Windows 软件，特别是商业应用程序时，有一个领域可能会导致代码执行速度出现真正的瓶颈，甚至在实现上也会如此。

这就是字符串处理领域！

我不是指大多数应用程序中的简单字符串处理，而是指当您需要快速处理大量字符串数据（例如，来自文件）时，同时对字符串数据进行一些复杂的解析。

字符串数据也并非仅仅意味着文本字符。它可能是大量以二进制格式表示的数据，需要被当作一个大字符串来处理。

假设您常用的编程语言在处理某些复杂的字符串数据操作时，在特定情况下表现不佳。您决定使用另一种编程语言编写一个 DLL，而您的当前编程语言可以调用它。您也需要速度！

虽然有很多编程语言可能符合要求，但让我们来看其中一种，它可能为您提供更广泛的工具集，以达到您想要的效果。

Powerbasic (参见：http://powerbasic.com)。

从未听说过？

没关系。我不会详细介绍这款编译器的悠久历史，但您听说过 Turbo Basic 吗？长话短说，Powerbasic 是著名的 TurboBasic 的“孙子”，但它是一款真正的 Windows 32 位编译器。

有几个原因值得认真考虑使用这款编译器来编写 DLL，以便与您当前的编程语言应用程序进行接口。

1. 它是 BASIC，并且遵循微软 Basic 语法标准。任何人都可以使用它。
2. 它专为最佳速度而设计，那里的开发人员（我不为 Powerbasic 工作）是英特尔机器语言专家，他们热衷于计算 CPU 周期。
3. 它具有真正的可变长度原生字符串数据类型，可以存储海量数据在一个字符串中。

注意：Powerbasic 字符串数据类型使用 Windows 中的 OLE 引擎进行数据存储，而不是像其他语言那样使用空终止符。这允许您在字符串中存储任何字节值（包括零），并且它是真正可变长度的。Powerbasic 还提供其他有用的字符串格式，如定长字符串、AsciiZ 字符串（空终止）。

现在，事情变得有趣了。我在使用这款编译器方面有十多年的实际经验，所以我知道它在字符串处理方面能做什么。

以下是一些在其他语言中不常发现的字符串函数列表，其中一些可能除了 Powerbasic 之外在任何其他编译器中都不存在（这就是它能解决问题的所在）。

当然，它支持标准的字符串函数，如 ASC、MID$、SPACE$、LEFT$、RIGHT$、INSTR、TRIM$、LTRIM$、RTRIM$。

但真正被大量使用的是更高级的字符串函数。

那么，假设您拥有这款编译器并想深入研究字符串处理。您从哪里开始？

以下是我的最爱，也是我经常使用的函数：

ARRAY SCAN 

它的用法如下

ARRAY SCAN MyData$(1), =SomeString$ , TO Match& 

（还有许多其他有用的 ARRAY 命令可用于字符串，如 ARRAY SORT，它们也速度极快。）

此命令允许您在字符串数组中搜索匹配的字符串，而且速度非常快，我指的是真正的快。

PEEK$ 

此函数可以通过地址指针读取一块数据并返回一个字符串。

PARSE$ 

我一直使用这个函数，它非常强大，可以将字符串拆分成可变长度的记录。例如，假设您使用逗号 (,) 作为记录分隔符，您可以像这样处理一个字符串：

CT&=PARSECOUNT(BigString$, ",")
FOR I&=1 TO CT&
    SmallString$=PARSE$(BigString$,",", I&)
NEXT I&

还有什么比这更简单、更快的呢！

REMOVE$ 

我经常使用这个函数。

例如，假设您有一个文件，它可能使用回车符作为行尾，也可能使用回车符加换行符。您不知道文件是以哪种方式结尾的，但需要同时解析。您会怎么做？

像这样

BigString$ = REMOVE$(BigString$, CHR$(10)     ' remove line feeds
CT&=PARSECOUNT(BigString$, CHR$(13))
FOR I&=1 TO CT&
    SmallString$=PARSE$(BigString$,CHR$(13), I&)
NEXT I&

REPLACE

这个命令也是我的最爱。现在，假设您有一个奇怪的文件格式，它使用了一个不寻常的行尾字符。您想要一个回车符。很简单。就这样做：

REPLACE StrangeCharacter$ WITH CHR$(13) in BigString$ 

现在您可以遍历字符串并解析出数据。

这并非 PowerBasic 中字符串函数/命令的详尽列表，但可以肯定地说，它是最适合字符串处理的语言之一。

现在，事情变得非常有趣了。

尽管它的速度很快（编译器），但我有时仍然觉得不够快。我需要优化的速度，但我不是机器语言程序员（或汇编）。那我该怎么办？

指针！

是的，您甚至可以在可变长度字符串的字符串数据中使用指针。

您可以将字符串中的数据视为字节（或 ASCII 字符），并使用指针以闪电般的速度在字符串中移动，如下所示：

LOCAL B AS BYTE PTR
L&=LEN(BigString$)
B=STRPTR(BigString$)  ' get a pointer to start of string
FOR I&=1 TO L&
    Test&=@B      ' access data via pointer as a byte
    INCR B       ' increment pointer 1 byte
NEXT I&

现在，您不再仅限于仅以字节形式访问字符串。

假设您有一个包含 1000 个单精度浮点数（SINGLE）的字符串。每个数字（二进制）占用四个字节。我可以像处理二进制浮点数一样遍历字符串，如下所示：

LOCAL S AS SINGLE PTR
L&=LEN(BigString$)/4 ' four bytes per Single floating point number
S=STRPTR(BigString$)  ' get a pointer to start of string
FOR I&=1 TO L&
    Test!=@S      ' access data via pointer as a singles
    INCR S       ' increment pointer 4 bytes
NEXT I&

现在，您甚至可以使用指针将一个大字符串视为多种数据类型。

在极少数情况下，如果您确实需要最大速度，这款编译器甚至允许您使用内联汇编。因此，如果您的公司有汇编专家，您可以让他们编写对速度要求高的代码，而您编写其余部分。

这款编译器丰富的字符串命令集，加上通过指针处理数据的能力，使其成为您在应用程序中需要最佳字符串处理时的强大工具。而且，最妙的是您不必切换编程语言。只需使用 Powerbasic 编写对速度要求高的字符串处理代码，将其编译为 DLL，然后在对速度要求高的区域调用该 DLL。

这会有多大区别？

您试过才知道，但我读过一些程序员的经验，仅仅通过使用这款编译器处理对速度要求高的字符串代码，就获得了 10 倍甚至更高的速度提升。

历史

• 2010 年 6 月 27 日：首次发布