c++ - 将字符串拆分为等长子字符串的更快方法

Question

我想创建一个函数，将一个字符串逐个字符拆分为等长 n 的子字符串，并返回一个字符 vector 。

例如F('atgctgttg',n=5) 应该返回

'atgct','tgctg','gctgt','ctgtt','tgttg'

我尝试了两种不同的功能:

// [[Rcpp::export]]
CharacterVector f( const std::string str, const int n ) {
    int lim = str.length() - n + 1;
    CharacterVector result( lim );
    for ( int j = 0; j < lim; j++ )
    { 
        result[j] = str.substr( j, n );
    }
    return result;
}

和

// [[Rcpp::export]]
CharacterVector f1( const std::string str, const int n ) {
    const int lim = str.length();
    const int n1 = n - 1;
    CharacterVector result( lim - n1 );
    int j = 1;
    std::string tmp = str.substr( 0, n );
    result[0] = tmp;

    for ( int i = n; i < lim; i++ )
    {
        tmp.erase( 0, 1 );
        tmp.push_back( str[i] );
        result[j] = tmp;
        j++;
    }
    return result;
}

我也尝试过使用迭代器，但它并不比函数 f1 快。请注意，Rcpp 将输入转换为引用变量。有没有更快的方法来做到这一点？

Answer 1

编译器会把你的f 如果您更改为通过引用复制:CharacterVector f(const std::string& str, const int n)

---

虽然您看不到速度提升，但您绝对可以通过取消 CharacterVector 来简化您的流程。并且只使用 vector<string> :

const string str("atgctgttg");
const int n = 5; // Assumed positive number smaller than str.size()
const int n1 = n - 1;
vector<string> result(str.size() - n1);

transform(str.cbegin(), str.cend() - n1, result.begin(), [n](const auto& i) {return string(&i, n);});

[ Live Example ]

---

您可以看到速度改进的一种方法是，如果您可以使用 array而不是 string :

const string str("atgctgttg");
const int n1 = N - 1;
vector<array<char, N>> result(str.size() - n1);

transform(str.cbegin(), str.cend() - n1, result.begin(), [](const auto& i) {
    array<char, N> result;

    copy_n(&i, N, result.begin());
    return result;
});

[ Live Example ]

---

但到目前为止最快(也是最好)的方法就是在原始 string 上工作并且不将其分解为 string 的数组秒。这需要在后端做更多工作，因为您需要使用 c 字符串而不是 std::string秒。例如，我使用了 for (auto& i : result) cout << string(i.data(), N) << endl;打印我所有的 vector s，但如果你没有使用 vector你可以这样打印:for (auto i = str.cbegin(); i != str.cend() - n1; ++i) printf("%.*s\n", n, &*i);显然需要更多工作，但如果您的 str很大，你会发现它更快。

[ Live example ]