注意
另请参见以下答案：https : //stackoverflow.com/a/21708215，这是底部EDIT 2的基础。
我将循环数增加到1000000，以获得更好的计时措施。
这是我的Python时间：
real 0m2.038s
user 0m2.009s
sys 0m0.024s
这等效于您的代码，但更漂亮：
#include <regex>
#include <vector>
#include <string>
std::vector<std::string> split(const std::string &s, const std::regex &r)
{
return {
std::sregex_token_iterator(s.begin(), s.end(), r, -1),
std::sregex_token_iterator()
};
}
int main()
{
const std::regex r(" +");
for(auto i=0; i < 1000000; ++i)
split("a b c", r);
return 0;
}
定时：
real 0m5.786s
user 0m5.779s
sys 0m0.005s
这是为了避免构造和分配矢量和字符串对象而进行的优化：
#include <regex>
#include <vector>
#include <string>
void split(const std::string &s, const std::regex &r, std::vector<std::string> &v)
{
auto rit = std::sregex_token_iterator(s.begin(), s.end(), r, -1);
auto rend = std::sregex_token_iterator();
v.clear();
while(rit != rend)
{
v.push_back(*rit);
++rit;
}
}
int main()
{
const std::regex r(" +");
std::vector<std::string> v;
for(auto i=0; i < 1000000; ++i)
split("a b c", r, v);
return 0;
}
定时：
real 0m3.034s
user 0m3.029s
sys 0m0.004s
这几乎是100％的性能提升。
向量在循环之前创建，并且可以在第一次迭代中增加其内存。之后，不进行内存释放clear()，向量将维护内存并在原位构造字符串。
另一个性能提升将是完全避免构造/破坏std::string，从而避免其对象的分配/取消分配。
这是朝这个方向的尝试：
#include <regex>
#include <vector>
#include <string>
void split(const char *s, const std::regex &r, std::vector<std::string> &v)
{
auto rit = std::cregex_token_iterator(s, s + std::strlen(s), r, -1);
auto rend = std::cregex_token_iterator();
v.clear();
while(rit != rend)
{
v.push_back(*rit);
++rit;
}
}
定时：
real 0m2.509s
user 0m2.503s
sys 0m0.004s
最终的改进是有一个std::vector的const char *作为回报，其中每个字符指针会指向原来的内子s C字符串本身。问题是，您不能这样做，因为它们中的每一个都不会被null终止（为此，请参阅string_ref后面的示例中的C ++ 1y用法）。
最后的改进也可以通过以下方式实现：
#include <regex>
#include <vector>
#include <string>
void split(const std::string &s, const std::regex &r, std::vector<std::string> &v)
{
auto rit = std::cregex_token_iterator(s.data(), s.data() + s.length(), r, -1);
auto rend = std::cregex_token_iterator();
v.clear();
while(rit != rend)
{
v.push_back(*rit);
++rit;
}
}
int main()
{
const std::regex r(" +");
std::vector<std::string> v;
for(auto i=0; i < 1000000; ++i)
split("a b c", r, v);
return 0;
}
我已经用-O3用clang 3.3（从主干）构建了示例。也许其他正则表达式库可以执行得更好，但是在任何情况下，分配/解除分配通常都会影响性能。
Boost.Regex
这是boost::regex用于定时C字符串参数样品：
real 0m1.284s
user 0m1.278s
sys 0m0.005s
此示例中相同的代码boost::regex和std::regex接口是相同的，只需要更改名称空间和包含即可。
C ++ stdlib regex实现正处于起步阶段，它祝愿它随着时间的推移变得更好。
编辑
为了完善起见，我尝试了这一点（上面提到的“最终改进”建议），但是它并没有std::vector<std::string> &v在任何方面提高等效版本的性能：
#include <regex>
#include <vector>
#include <string>
template<typename Iterator> class intrusive_substring
{
private:
Iterator begin_, end_;
public:
intrusive_substring(Iterator begin, Iterator end) : begin_(begin), end_(end) {}
Iterator begin() {return begin_;}
Iterator end() {return end_;}
};
using intrusive_char_substring = intrusive_substring<const char *>;
void split(const std::string &s, const std::regex &r, std::vector<intrusive_char_substring> &v)
{
auto rit = std::cregex_token_iterator(s.data(), s.data() + s.length(), r, -1);
auto rend = std::cregex_token_iterator();
v.clear();
while(rit != rend)
{
v.emplace_back(rit->first, rit->second);
++rit;
}
}
int main()
{
const std::regex r(" +");
std::vector<intrusive_char_substring> v;
for(auto i=0; i < 1000000; ++i)
split("a b c", r, v);
return 0;
}
这与array_ref和string_ref建议有关。这是使用它的示例代码：
#include <regex>
#include <vector>
#include <string>
#include <string_ref>
void split(const std::string &s, const std::regex &r, std::vector<std::string_ref> &v)
{
auto rit = std::cregex_token_iterator(s.data(), s.data() + s.length(), r, -1);
auto rend = std::cregex_token_iterator();
v.clear();
while(rit != rend)
{
v.emplace_back(rit->first, rit->length());
++rit;
}
}
int main()
{
const std::regex r(" +");
std::vector<std::string_ref> v;
for(auto i=0; i < 1000000; ++i)
split("a b c", r, v);
return 0;
}
对于带有矢量返回的情况，返回一个矢量string_ref而不是string副本也将更便宜split。
编辑2
这个新的解决方案能够通过返回获得输出。我使用了在https://github.com/mclow/string_view中找到的Marshall Clow的string_view（已string_ref重命名）libc ++实现。
#include <string>
#include <string_view>
#include <boost/regex.hpp>
#include <boost/range/iterator_range.hpp>
#include <boost/iterator/transform_iterator.hpp>
using namespace std;
using namespace std::experimental;
using namespace boost;
string_view stringfier(const cregex_token_iterator::value_type &match) {
return {match.first, static_cast<size_t>(match.length())};
}
using string_view_iterator =
transform_iterator<decltype(&stringfier), cregex_token_iterator>;
iterator_range<string_view_iterator> split(string_view s, const regex &r) {
return {
string_view_iterator(
cregex_token_iterator(s.begin(), s.end(), r, -1),
stringfier
),
string_view_iterator()
};
}
int main() {
const regex r(" +");
for (size_t i = 0; i < 1000000; ++i) {
split("a b c", r);
}
}
定时：
real 0m0.385s
user 0m0.385s
sys 0m0.000s
请注意，这与以前的结果相比有多快。当然，它不是填充vector循环内部的内容（也可能不预先匹配任何内容），但是无论如何，您都会得到一个范围，您可以for使用基于范围的范围进行范围调整，甚至可以使用它来填充vector。
作为测距在iterator_range创建string_view了一个多原稿S string（或一个零终止的字符串），这变得非常轻便，从不产生不必要串分配。
只是为了比较使用此split实现，但实际上填充了一个，vector我们可以这样做：
int main() {
const regex r(" +");
vector<string_view> v;
v.reserve(10);
for (size_t i = 0; i < 1000000; ++i) {
copy(split("a b c", r), back_inserter(v));
v.clear();
}
}
它使用升压范围复制算法在每次迭代中填充向量，时序为：
real 0m1.002s
user 0m0.997s
sys 0m0.004s
可以看出，与优化的string_view输出参数版本相比没有太大差异。
请注意，还有一个建议std::split可以像这样工作。