C++ 检查 char 是元音还是辅音的最快方法

c++ fastest way to check if char is vowel or consonant

本文关键字：方法 检查 C++ char      更新时间：2023-10-16

我有一个问题，涉及使用回溯来查找具有各种规则的许多"单词"(它们不一定是真实的)。一些规则涉及我可以彼此之后的元音数量。

我知道我可以使用一个开关，或者一个带有元音数组的 for 循环，然后说所有不是元音的字母字符都是辅音，但由于这个函数可能会被调用几千次，我希望它尽可能快。

检查字符是元音还是辅音的最快方法是什么？

如果您有 ASCII 字符，并且您知道该字符是一个字母(其 ASCII 代码大于或等于 64)，那么您可以这样做：

// pre-condition: v is alphabetic ASCII, upper or lower case
bool isvowel(char v) {
return (0x208222>>(v&0x1f))&1;
}

如果你在x86上，那么你甚至可以删除&0x1f部分(注意：根据标准，这是未定义的行为，但>>编译为SHR/SAR，为此v将被屏蔽以自动0x1f)：

bool isvowel_UB_for_dumb_compilers(char v) {
return (0x208222>>v)&1;
}

注意：这是一个"脏"的解决方案，但如果真的需要速度，有时脏的解决方案是最快的(基本上这个解决方案在魔术常数中存储了一个 32 元素表0x208222：位是为 wovels 设置的。此外，利用小写和大写字符具有相同的 5 个最低位)。

如果你的编译器足够新，它知道sar是如何工作的，并将优化&0x1f。 例如，gcc8 和更新版本省略了任何and edi,31指令。 (Godbolt编译器资源管理器，包括一个天真的if(v == 'a' || v == 'e' ...)GCC编译成一些分支，但也有一个位图检查。

注意2：仅当表指针不在时，此版本才比表版本快。如果执行大量检查，并且表指针已在寄存器中，并且表在缓存中，则表版本会更快。

(编者注：在解压缩为 32 位 SIMD 元素后，位图可以自动矢量化以一次检查多个字符。 表查找不能。

我没有其他想法。

这个答案只是为了提供其他人的一些基准。

bool undef_sarx_and(char v) {
return (0x208222>>v)                            // sarx %edi, %eax, %eax
&1;                                      // andl $1, %eax        
}
bool unsafe_one_load(char in) {
return bool_table[in];                          // movsbq  %dil, %rdi     
}                                                   // movb   table(%rdi), %al
bool safe_one_load(char in) {
auto index = static_cast<unsigned char>(in);    // movzbl  %dil, %edi     
return bool_table[index];                       // movb   table(%rdi), %al
}
(iterate on data 1 MB for 800 times)
undef_sarx_and      209976800   2.71313 sec     309.185 MB/s
unsafe_one_load     209976800   2.4514 sec      342.197 MB/s
safe_one_load       209976800   2.18231 sec     384.391 MB/s
(iterate on data 100 MB for 8 times)
undef_sarx_and      209704768   3.76998 sec     222.511 MB/s
unsafe_one_load     209704768   3.72898 sec     224.957 MB/s
safe_one_load       209704768   3.72719 sec     225.065 MB/s
all with vectorization disabled (-fno-tree-vectorize)

我想没有什么能比得上@pete-贝克尔的表格查找 但是@geza的黑客非常引人注目，因为表查找分配了 256 个字节，而内联函数都是免费的！

godbolt.org/g/FajFXb

wandbox.org/permlink/Lf1mioQG8yanZtZn

最快的方法是创建一个bool数组并使用字符值作为索引：

bool is_vowel[CHAR_MAX] = { false }; // initializes all values to false
void init() {
is_vowel['A'] = true;
is_vowel['a'] = true;
// etc.
}

现在，对于任何非负char值ch，如果是元音，则is_vowel[ch]为真，否则为假。

相关文章：