Question

我正在编写扫描大部分文本的代码，并对其执行一些基本统计，例如大写和小写字符的数量，标点字符等。

最初我的代码看起来像这样：

    foreach (var character in stringToCount)
    {
        if (char.IsControl(character))
        {
            controlCount++;
        }
        if (char.IsDigit(character))
        {
            digitCount++;
        }
        if (char.IsLetter(character))
        {
            letterCount++;
        } //etc.
    }

然后从那里我创建了一个像这样的新对象，它只是读取局部变量并将它们传递给构造函数：

    var result = new CharacterCountResult(controlCount, highSurrogatecount, lowSurrogateCount, whiteSpaceCount,
        symbolCount, punctuationCount, separatorCount, letterCount, digitCount, numberCount, letterAndDigitCount,
        lowercaseCount, upperCaseCount, tempDictionary);

然而，Code Review Stack Exchange上的用户指出我可以执行以下操作。太棒了，我已经为自己节省了大量优秀的代码。

    var result = new CharacterCountResult(stringToCount.Count(char.IsControl),
        stringToCount.Count(char.IsHighSurrogate), stringToCount.Count(char.IsLowSurrogate),
        stringToCount.Count(char.IsWhiteSpace), stringToCount.Count(char.IsSymbol),
        stringToCount.Count(char.IsPunctuation), stringToCount.Count(char.IsSeparator),
        stringToCount.Count(char.IsLetter), stringToCount.Count(char.IsDigit),
        stringToCount.Count(char.IsNumber), stringToCount.Count(char.IsLetterOrDigit),
        stringToCount.Count(char.IsLower), stringToCount.Count(char.IsUpper), tempDictionary);

然而以第二种方式创建对象（在我的机器上）需要额外的 ~200ms 。

这怎么可能？虽然它可能看起来不是很多额外的时间，但是当我让它运行处理文本时它很快就会增加。

我应该做些什么？

Answer 1

您正在使用方法组（隐藏lambda或委托的语法糖）并多次迭代字符，而您可以通过一次传递完成（如原始代码中所示）。

我记得你之前的问题，我记得看到建议使用方法组和string.Count（char.IsLetterOrDigit）并思考＆＃34; yeh看起来很漂亮但是表现不佳＆＃34; ，所以实际上看到你发现了那个很有趣。

如果性能很重要，我只会在没有委托期间的情况下进行，并使用一个带有单个传递的巨型循环，没有委托或多次迭代的传统方式，甚至更进一步，通过组织逻辑来调整它，以便任何情况下排除其他案件的是有组织的，以便你做懒惰的评估＆＃34;。例如，如果您知道某个字符是空格，则不要检查数字或字母等。或者如果您知道它是digitOrAlpha，则在该条件中包含数字和字母数字检查。

类似的东西：

foreach(var ch in string) {
   if(char.IsWhiteSpace(ch)) {
      ...
   }
   else {
      if(char.IsLetterOrDigit(ch)) {
         letterOrDigit++;
         if(char.IsDigit(ch)) digit++;
         if(char.IsLetter(ch)) letter++;
      }  
   }
}

如果您真的想进行微优化，请编写一个程序来预先计算所有选项并发出一个巨大的switch语句来执行表查找。

switch(ch) {
   case 'A':
        isLetter++;
        isUpper++;
        isLetterOrDigit++;
        break;
   case 'a':
        isLetter++;
        isLower++;
        isLetterOrDigit++;
        break;
   case '!':
        isPunctuation++;

   ...
}

现在，如果你真的想要疯狂，可以根据出现的实际频率组织switch语句，并将最常用的字母放在＆＃34; tree＆＃34;的顶部，依此类推。当然，如果你非常关心速度，它可能是普通C的工作。

但是我从你原来的问题中走了一段距离。：）

Answer 2

你走过文本一次的旧方式，随着时间的推移增加了所有的计数器。以新的方式，您可以浏览文本13次（每次调用stringToCount.Count(一次），每次传递只更新一个计数器。

然而，这种问题是Parallel.ForEach的完美情况。您可以使用多个主题（确保increments are thread safe）来查看文本并更快地获得总计。

Parallel.ForEach(stringToCount, character =>
{
    if (char.IsControl(character))
    {
        //Interlocked.Increment gives you a thread safe ++
        Interlocked.Increment(ref controlCount);
    }
    if (char.IsDigit(character))
    {
        Interlocked.Increment(ref digitCount);
    }
    if (char.IsLetter(character))
    {
        Interlocked.Increment(ref letterCount);
    } //etc.
});

var result = new CharacterCountResult(controlCount, highSurrogatecount, lowSurrogateCount, whiteSpaceCount,
    symbolCount, punctuationCount, separatorCount, letterCount, digitCount, numberCount, letterAndDigitCount,
    lowercaseCount, upperCaseCount, tempDictionary);

它仍然会翻阅文本一次，但许多工作人员将同时浏览文本的各个部分。

为什么我的对象需要很长时间才能创建？

2 个答案: