Effective STL 条款45

C++ 专栏收录该内容
32 篇文章 0 订阅

STL搜索算法的区别[1]

你要寻找什么,而且你有一个容器或者你有一个由迭代器划分出来的区间——你要找的东西就在里面。你要怎么完成搜索呢?你箭袋中的箭有这些:count、count_if、find、find_if、binary_search、lower_bound、upper_bound和equal_range。面对着它们,你要怎么做出选择?

简单。你能很快很容易地做到。能更快,更容易,更好。

暂时,我假设你有一对指定了搜索区间的迭代器。然后,我会考虑到你有的是一个容器而不是一个区间的情况。

要选择搜索策略,必须依赖于你的迭代器是否定义了一个已序区间。如果是,你就可以通过binary_search、lower_bound、upper_bound和equal_range来加速(通常是对数时间)搜索。如果迭代器并没有划分一个已序区间,你就只能用线性时间的算法count、count_if、find和find_if。在下文中,我会忽略掉count和find是否有_if的不同,就像我会忽略掉binary_search、lower_bound、upper_bound和equal_range是否带有谓词(predicate)的不同。你是依赖默认的搜索谓词还是指定一个自己的,对选择搜索算法的考虑是一样的。

如果你有一个无序区间,你的选择是count或着find。它们分别可以回答略微不同的问题,所以值得仔细去区分它们。count回答的问题是:“是否存在这个值,如果有,那么存在几份拷贝?”而find回答的问题是:“是否存在,如果有,那么它在哪儿?”

假设你想知道的东西是,是否有一个特定的Widget值w在list中。如果用count,这段代码看起来像这样:

list<Widget> lw;   // Widget的列表
Widget w;    // 特殊的Widget值
...
if (count(lw.begin(), lw.end(), w)) {
 ...    // w在lw中
} else {
 ...    // 不在
}

这里示范了一种常用手法:把count用来作为是否存在的检查。count返回零或者一个正数,所以我们把非零转化为true而把零转化为false。如果这样能使我们要做的更加显而易见,

if (count(lw.begin(), lw.end(), w) != 0) ...

而且有些程序员这样写,但是使用隐式转换则更常见,就像最初的例子。

和最初的代码比较,使用find略微更难懂些,因为你必须检查find的返回值和list的end迭代器是否相等:

if (find(lw.begin(), lw.end(), w) != lw.end()) {
 ...    // 找到了
} else {
 ...    // 没找到
}

如果是为了检查是否存在,count这个惯用方法编码起来比较简单。但是,当搜索成功时,它的效率比较低,因为当找到匹配的值后find就停止了,而count必须继续搜索,直到区间的结尾以寻找其他匹配的值。对大多数程序员来说,find在效率上的优势足以证明略微增加复杂度是合适的。

通常,只知道区间内是否有某个值是不够的。取而代之的是,你想获得区间中的第一个等于该值的对象。比如,你可能想打印出这个对象,你可能想在它前面插入什么,或者你可能想要删除它。当你需要知道的不止是某个值是否存在,而且要知道哪个对象(或哪些对象)拥有该值,你就得用find:

list<Widget>::iterator i = find(lw.begin(), lw.end(), w);
if (i != lw.end()) {
 ...    // 找到了,i指向第一个
} else {
 ...    // 没有找到
}

对于已序区间,你有其他的选择,而且你应该明确的使用它们。count和find是线性时间的,但已序区间的搜索算法(binary_search、lower_bound、upper_bound和equal_range)是对数时间的。

从无序区间迁移到已序区间导致了另一个迁移:从使用相等来判断是否两个值相同到使用等价[2]。那是因为count和find算法都用相等来搜索,而binary_search、lower_bound、upper_bound和equal_range则用等价。

要测试在已序区间中是否存在一个值,使用binary_search。不像标准C库中的(因此也是标准C++库中的)bsearch,binary_search只返回一个bool:这个值是否找到了。binary_search回答这个问题:“它在吗?”它的回答只能是是或者否。如果你需要比这样更多的信息,你需要一个不同的算法。

这里有一个binary_search应用于已序vector的例子:

vector<Widget> vw;   // 建立vector,放入
...    // 数据,
sort(vw.begin(), vw.end()); // 把数据排序
Widget w;    // 要找的值
...
if (binary_search(vw.begin(), vw.end(), w)) {
 ...    // w在vw中
} else {
 ...    // 不在
}

如果你有一个已序区间而且你的问题是:“它在吗,如果是,那么在哪儿?”你需要equal_range,但你可能想要用lower_bound。我会很快讨论equal_range,但首先,让我们看看怎么用lower_bound来在区间中定位某个值。

当你用lower_bound来寻找一个值的时候,它返回一个迭代器,这个迭代器指向这个值的第一个拷贝(如果找到的话)或者到可以插入这个值的位置(如果没找到)。因此lower_bound回答这个问题:“它在吗?如果是,第一个拷贝在哪里?如果不是,它将在哪里?”和find一样,你必须测试lower_bound的结果,来看看它是否指向你要寻找的值。但又不像find,你不能只是检测lower_bound的返回值是否等于end迭代器。取而代之的是,你必须检测lower_bound所标示出的对象是不是你需要的值。

很多程序员这么用lower_bound:

vector<Widget>::iterator i = lower_bound(vw.begin(), vw.end(), w);
if (i != vw.end() && *i == w) { // 保证i指向一个对象;
    // 也就保证了这个对象有正确的值。
    // 这是个bug!
 ...    // 找到这个值,i指向
    // 第一个等于该值的对象
} else {
 ...    // 没找到
}

大部分情况下这是行得通的,但不是真的完全正确。再看一遍检测需要的值是否找到的代码:

if (i != vw.end() && *i == w) ...

这是一个相等的测试,但lower_bound搜索用的是等价。大部分情况下,等价测试和相等测试产生的结果相同,但就像注释2论证的,相等和等价的结果不同的情况并不难见到。在这种情况下,上面的代码就是错的。

要完全完成,你就必须检测lower_bound返回的迭代器指向的对象的值是否和你要寻找的值等价。你可以手动完成,但可以更狡猾地完成,因为你必须确认使用了和lower_bound使用的相同的比较函数。一般而言,那可以是一个自由函数(或函数对象)。如果你传递一个比较函数给lower_bound,你必须确认和你的手写的等价检测代码使用了相同的比较函数。这意味着如果你改变了你传递给lower_bound的比较函数,你也得对你的等价检测部分作出修改。保持比较函数同步不是火箭发射,但却是另一个要记住的东西,而且我想你已经有很多需要你记的东西了。

这儿有一个简单的方法:使用equal_range。equal_range返回一对迭代器,第一个等于lower_bound返回的迭代器,第二个等于upper_bound返回的(也就是,等价于要搜索值区间的末迭代器的下一个)。因此,equal_range,返回了一对划分出了和你要搜索的值等价的区间的迭代器。一个名字很好的算法,不是吗?(当然,也许叫equivalent_range会更好,但叫equal_range也非常好。)

对于equal_range的返回值,有两个重要的地方。第一,如果这两个迭代器相同,就意味着对象的区间是空的;这个只没有找到。这个结果是用equal_range来回答“它在吗?”这个问题的答案。你可以这么用:

vector<Widget> vw;
...
sort(vw.begin(), vw.end());
typedef vector<Widget>::iterator VWIter; // 方便的typedef
typedef pair<VWIter, VWIter> VWIterPair;
VWIterPair p = equal_range(vw.begin(), vw.end(), w);
if (p.first != p.second) {   // 如果equal_range不返回
      // 空的区间...
 ...     // 说明找到了,p.first指向
      // 第一个而p.second
      // 指向最后一个的下一个
} else {
 ...     // 没找到,p.first和
      // p.second都指向搜索值
}      // 的插入位置

这段代码只用等价,所以总是正确的。

第二个要注意的是equal_range返回的东西是两个迭代器,对它们作distance就等于区间中对象的数目,也就是,等价于要寻找的值的对象。结果,equal_range不光完成了搜索已序区间的任务,而且完成了计数。比如说,要在vw中找到等价于w的Widget,然后打印出来有多少这样的Widget存在,你可以这么做:

VWIterPair p = equal_range(vw.begin(), vw.end(), w);
cout << "There are " << distance(p.first, p.second)
<< " elements in vw equivalent to w.";

到目前为止,我们所讨论的都是假设我们要在一个区间内搜索一个值,但是有时候我们更感兴趣于在区间中寻找一个位置。比如,假设我们有一个Timestamp类和一个Timestamp的vector,它按照老的timestamp放在前面的方法排序:

class Timestamp { ... };
bool operator<(const Timestamp& lhs, // 返回在时间上lhs
 const Timestamp& rhs);   // 是否在rhs前面
vector<Timestamp> vt;   // 建立vector,填充数据,
...     // 排序,使老的时间
sort(vt.begin(), vt.end());  // 在新的前面

现在假设我们有一个特殊的timestamp——ageLimit,而且我们从vt中删除所有比ageLimit老的timestamp。在这种情况下,我们不需要在vt中搜索和ageLimit等价的Timestamp,因为可能不存在任何等价于这个精确值的元素。

取而代之的是,我们需要在vt中找到一个位置:第一个不比ageLimit更老的元素。这是再简单不过的了,因为lower_bound会给我们答案的:

Timestamp ageLimit;
...
vt.erase(vt.begin(), lower_bound(vt.begin(), // 从vt中排除所有
 vt.end(),     // 排在ageLimit的值
 ageLimit));     // 前面的对象

如果我们的需求稍微改变了一点,我们要排除所有至少和ageLimit一样老的timestamp,也就是我们需要找到第一个比ageLimit年轻的timestamp的位置。这是一个为upper_bound特制的任务:

vt.erase(vt.begin(), upper_bound(vt.begin(), // 从vt中排除所有
 vt.end(),     // 排在ageLimit的值前面
 ageLimit));     // 或者等价的对象

如果你要把东西插入一个已序区间,而且对象的插入位置是在有序的等价关系下它应该在的地方时,upper_bound也很有用。比如,你可能有一个已序的Person对象的list,对象按照name排序:

class Person {
public:
 ...
 const string& name() const;
 ...
};
struct PersonNameLess:
public binary_function<Person, Person, bool> {
 bool operator()(const Person& lhs, const Person& rhs) const
 {
  return lhs.name() < rhs.name();
 }
};
list<Person> lp;
...
lp.sort(PersonNameLess());  // 使用PersonNameLess排序lp

要保持list仍然是我们希望的顺序(按照name,插入后等价的名字仍然按顺序排列),我们可以用upper_bound来指定插入位置:

Person newPerson;
...
lp.insert(upper_bound(lp.begin(),  // 在lp中排在newPerson
 lp.end(),    // 之前或者等价
 newPerson,    // 的最后一个
 PersonNameLess()),   // 对象后面
 newPerson);    // 插入newPerson

这工作的很好而且很方便,但很重要的是不要被误导——错误地认为upper_bound的这种用法让我们魔术般地在一个list里在对数时间内找到了插入位置。我们并没有。因为我们是用list,查找花费线性时间,但是它只用了对数次的比较。

一直到这里,我都只考虑我们有一对定义了搜索区间的迭代器的情况。通常我们有一个容器,而不是一个区间。在这种情况下,我们必须区别序列和关联容器。对于标准的序列容器(vector、string、deque和list),你应该遵循我在本条款提出的建议,使用容器的begin和end迭代器来划分出区间。

这种情况对标准关联容器(set、multiset、map和multimap)来说是不同的,因为它们提供了搜索的成员函数,它们往往是比用STL算法更好的选择[3]。幸运的是,成员函数通常和相应的算法有同样的名字,所以前面的讨论推荐你使用的算法count、find、equal_range、lower_bound或upper_bound,在搜索关联容器时你都可以简单的用同名的成员函数来代替。

binary_search调用的策略不同,因为这个算法没有提供对等的成员函数。要测试在set或map中是否存在某个值,使用count的惯用方法来对成员进行检测:

set<Widget> s;  // 建立set,放入数据
...
Widget w;   // w仍然是保存要搜索的值
...
if (s.count(w)) {
 ...   // 存在和w等价的值
} else {
 ...   // 不存在这样的值
}

要测试某个值在multiset或multimap中是否存在,find往往比count好,因为一旦找到等于期望值的单个对象,find就可以停下了,而count,在最遭的情况下,必须检测容器里的每一个对象。

但是,count给关联容器计数是可靠的。特别,它比调用equal_range然后应用distance到结果迭代器更好。首先,它更清晰:count 意味着“计数。”第二,它更简单;不用建立一对迭代器然后把它的组成(译注:就是first和second)传给distance。第三,它可能更快一点。

要给出所有我们在本条款中所考虑到的,我们的从哪儿着手?下面的表格道出了一切。

你想知道的 使用的算法 使用的成员函数
在无序区间在已序区间在set或map上在multiset或multimap上
期望值是否存在?findbinary_searchcountfind
期望值是否存在?如果有,第一个等于这个值的对象在哪里?findequal_rangefindfind or lower_bound(see article)
第一个不等于期望值的对象在哪里?find_iflower_boundlower_boundlower_bound
第一个等于期望值的对象在哪里?find_ifupper_boundupper_boundupper_bound
有多少对象等于期望值?countequal_rangecountcount
等于期望值的所有对象在哪里?find(迭代)equal_rangeequal_rangeequal_range

上表总结了要怎么操作已序区间,equal_range的出现频率可能令人吃惊。当搜索时,这个频率因为等价检测的重要性而上升了。对于lower_bound和upper_bound,它很容易在相等检测中退却,但对于equal_range,只检测等价是很自然的。在第二行已序区间,equal_range打败了find还因为一个理由:equal_range花费对数时间,而find花费线性时间。

对于multiset和multimap,当你在搜索第一个等于特定值的对象的那一行,这个表列出了find和lower_bound两个算法作为候选。 已对于这个任务find是通常的选择,而且你可能已经注意到在set和map那一列里,这项只有find。但是对于multi容器,如果不只有一个值存在,find并不保证能识别出容器里的等于给定值的第一个元素;它只识别这些元素中的一个。如果你真的需要找到等于给定值的第一个元素,你应该使用lower_bound,而且你必须手动的对第二部分做等价检测。(你可以用equal_range来避免作手动等价检测,但是调用equal_range的花费比调用lower_bound多得多。)

在count、find、binary_search、lower_bound、upper_bound和equal_range中做出选择很简单。当你调用时,选择算法还是成员函数可以给你需要的行为和性能,而且是最少的工作。按照这个建议做(或参考那个表格),你就不会再有困惑。


[1] Scott Meyers,Effective STL: 50 Specific Ways to Improve Your Use of the Standard Template Library,Addison-Wesley,2001,ISBN 0-201-74962-9。这篇文章是基于Effective STL的条款45写的。

[2] 如果在某种排序顺序下,一个没有在另一个之前,那么两个对象等价。通常,等价的值相等,但不总是这样。比如,字符串“STL”和“stl”在大小写不敏感的排序中是等价的,但是它们显然不相等。要知道等价和相等区别的详细内容,请参考条款19。

[3] 对于这点要求,你可以在条款44中找到原因。

  • 0
    点赞
  • 0
    评论
  • 0
    收藏
  • 一键三连
    一键三连
  • 扫一扫,分享海报

相关推荐
©️2020 CSDN 皮肤主题: 大白 设计师:CSDN官方博客 返回首页
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、C币套餐、付费专栏及课程。

余额充值