包含换行符分隔的单词的文件和C++中这些单词的字符串向量的大小是否相同?

Do a file containing words separated by newline and a vector of strings for those words in C++ have same size?

本文关键字：单词 向量 是否 字符串 文件 分隔 换行符 C++ 包含      更新时间：2023-10-16

该文件的形式如下：

字1
字2 字3

...

我在从文件中读取这些单词后创建了字符串向量，如下所示：

std::vector<string> words;
string w;
ifstream file("input");
while(getline(file,w))
words.push_back(w);
file.close();

矢量占用的物理内存大小是否与输入文件的大小相同？为什么？

向量占用的物理内存大小是否与输入文件的大小相同？

这取决于"向量占用的物理内存大小">是什么意思。矢量对象本身的大小通常为 3 个指针(或 1 个指针和 2 个数字(，例如 64 位体系结构上的 24 个字节。但是，矢量随后会为至少N 个字符串对象动态分配空间，其中N是文件行数。请注意，如果不保留向量空间，则可能会分配比N个字符串更多的空间。

每个字符串对象都有一些"内部"大小(在我的实验中，libc++/Clang 为 24 字节，libstdc++/GCC 为 32 字节(。

然后，每个字符串都需要存储文本行。它可能会动态分配内存，或者对于短字符串，它可能采用小字符串优化。对于动态内存分配，您需要考虑一些填充，因为动态分配的缓冲区是对齐的(在我的环境中为 16 字节(。

因此，您无法在此处轻松比较内存占用。但是，一般来说，字符串向量会有很多开销。

如果要避免这种开销，只需将整个文件内容读取到单个字符数组(矢量、字符串(中，然后创建一个附加数组，其中包含指向各个行开始位置的指针。

向量实现有两个内存占用空间：sizeof(vector)是堆栈上使用的内存(通常为 24 字节(，然后是动态分配的内存，首先是vector，其次是string参数。

向量分配的内存可能比容纳所有字符串的实际需要的内存多：如果按push_back(或emplace_back(增长它，每当容量不足时，它就会将动态分配的内存加倍。

最后，字符串有自己的开销：对于短单词(短于sizeof(string)(，字符串中未使用的内存被浪费，而对于长单词，字符串必须分配动态内存并保留单独的指针(导致内存开销(。

因此，答案是：NOvector<string>占用更多空间(可以分布在堆栈和堆上的不同位置之间(。

相关文章：