获取 NSString 中所有大写字母的 NSRange 对象数组的最快方法？

Question

我需要 NSRange 对象作为给定 NSString 中每个大写字母的位置，以便输入到自定义属性字符串类的方法中。

当然，有很多方法可以实现此目的，例如 rangeOfString:options: 使用 NSRegularExpressionSearch 或使用 RegexKitLite 在遍历字符串时单独获取每个匹配项。

完成这项任务最快的方法是什么？

Answer 1

最简单的方法可能是将 -rangeOfCharacterFromSet:options:range: 与 [NSCharacterSet uppercaseLetterCharacterSet] 一起使用。通过修改每次调用的搜索范围，您可以轻松找到所有大写字母。类似下面的内容将为您提供所有范围的 NSArray（编码为 NSValues）：

- (NSArray *)rangesOfUppercaseLettersInString:(NSString *)str {
    NSCharacterSet *cs = [NSCharacterSet uppercaseLetterCharacterSet];
    NSMutableArray *results = [NSMutableArray array];
    NSRange searchRange = NSMakeRange(0, [str length]);
    NSRange range;
    while ((range = [str rangeOfCharacterFromSet:cs options:0 range:searchRange]).location != NSNotFound) {
        [results addObject:[NSValue valueWithRange:range]];
        searchRange = NSMakeRange(NSMaxRange(range), [str length] - NSMaxRange(range));
    }
    return results;
}

注意，这不会将相邻范围合并为单个范围，但这很容易添加。

这是基于 NSScanner 的替代解决方案：

- (NSArray *)rangesOfUppercaseLettersInString:(NSString *)str {
    NSCharacterSet *cs = [NSCharacterSet uppercaseLetterCharacterSet];
    NSMutableArray *results = [NSMutableArray array];
    NSScanner *scanner = [NSScanner scannerWithString:str];
    while (![scanner isAtEnd]) {
        [scanner scanUpToCharactersFromSet:cs intoString:NULL]; // skip non-uppercase characters
        NSString *temp;
        NSUInteger location = [scanner scanLocation];
        if ([scanner scanCharactersFromSet:cs intoString:&temp]) {
            // found one (or more) uppercase characters
            NSRange range = NSMakeRange(location, [temp length]);
            [results addObject:[NSValue valueWithRange:range]];
        }
    }
    return results;
}

与上一个不同，这个解决方案确实将相邻的大写字符合并到一个范围中。

编辑：如果您正在寻找绝对速度，这可能是此处介绍的 3 个中最快的，同时仍然保留正确的 unicode 支持（注意，我还没有尝试编译它）：

// returns a pointer to an array of NSRanges, and fills in count with the number of ranges
// the buffer is autoreleased
- (NSRange *)rangesOfUppercaseLettersInString:(NSString *)string count:(NSUInteger *)count {
    NSMutableData *data = [NSMutableData data];
    NSUInteger numRanges = 0;
    NSUInteger length = [string length];
    unichar *buffer = malloc(sizeof(unichar) * length);
    [string getCharacters:buffer range:NSMakeRange(0, length)];
    NSCharacterSet *cs = [NSCharacterSet uppercaseLetterCharacterSet];
    NSRange range = {NSNotFound, 0};
    for (NSUInteger i = 0; i < length; i++) {
        if ([cs characterIsMember:buffer[i]]) {
            if (range.location == NSNotFound) {
                range = (NSRange){i, 0};
            }
            range.length++;
        } else if (range.location != NSNotFound) {
            [data appendBytes:&range length:sizeof(range)];
            numRanges++;
            range = (NSRange){NSNotFound, 0};
        }
    }
    if (range.location != NSNotFound) {
        [data appendBytes:&range length:sizeof(range)];
        numRanges++;
    }
    if (count) *count = numRanges;
    return [data bytes];
}

Answer 2

将 RegexKitLite 4.0+ 与支持块的运行时一起使用，这可能会非常快速：

NSString *string = @"A simple String to TEST for Upper Case Letters.";
NSString *regex = @"\\p{Lu}";

[string enumerateStringsMatchedByRegex:regex options:RKLNoOptions inRange:NSMakeRange(0UL, [string length]) error:NULL enumerationOptions:RKLRegexEnumerationCapturedStringsNotRequired usingBlock:^(NSInteger captureCount, NSString * const capturedStrings[captureCount], const NSRange capturedRanges[captureCount], volatile BOOL * const stop) {
  NSLog(@"Range: %@", NSStringFromRange(capturedRanges[0]));
}];

正则表达式 \p{Lu} 表示“将所有具有 'Letter' 的 Unicode 属性且也是 '大写' 的字符匹配’”。

选项 RKLRegexEnumerationCapturedStringsNotRequired 告诉 RegexKitLite 它不应创建 NSString 对象并通过 capturedStrings[] 传递它们。这节省了大量的时间和内存。唯一传递到块的是通过 capturedRanges[] 匹配的 NSRange 值。

这有两个主要部分，第一个是 RegexKitLite 方法：

[string enumerateStringsMatchedByRegex:regex
                               options:RKLNoOptions
                               inRange:NSMakeRange(0UL, [string length])
                                 error:NULL
                    enumerationOptions:RKLRegexEnumerationCapturedStringsNotRequired
                            usingBlock:/* ... */
];

...第二个是作为参数传递给该方法的块：

^(NSInteger captureCount,
  NSString * const capturedStrings[captureCount],
  const NSRange capturedRanges[captureCount],
  volatile BOOL * const stop) { /* ... */ }

Answer 3

这在某种程度上取决于字符串的大小，但我能想到的绝对最快的方法（注意：国际化安全不能保证，甚至不能预期！大写的概念是否适用于日语？）是：

1）获取指向字符串的原始 C 字符串的指针，如果足够小，最好在堆栈缓冲区中。 CFString 有这方面的函数。阅读 CFString.h 中的注释。

2) malloc() 一个足够大的缓冲区，可以容纳字符串中每个字符一个 NSRange。

3）类似这样的东西（完全未经测试，写入此文本字段，请原谅错误和拼写错误）

NSRange *bufferCursor = rangeBuffer; 
NSRange range = {NSNotFound, 0}; 
for (int idx = 0; idx < numBytes; ++idx) { 
    if (isupper(buffer[idx])) { 
        if (range.length > 0) { //extend a range, we found more than one uppercase letter in a row
            range.length++;
        } else { //begin a range
            range.location = idx; 
            range.length = 1;
        }
    }
    else if (range.location != NSNotFound) { //end a range, we hit a lowercase letter
        *bufferCursor = range; 
        bufferCursor++;
        range.location = NSNotFound;
    }
}

4）realloc（）将范围缓冲区缩小到您实际使用的大小（可能需要保留开始执行此操作的范围计数）

Answer 4

诸如 isupper* 之类的函数与 -[NSString characterAtIndex:] 结合使用会非常快。

*isupper 是一个示例 - 它可能适合也可能不适合您的输入。