阅读 1572

谈谈字符串翻转

题图来自 Unsplash

字符串翻转作为算法题已经是一个不能再基础的问题了,无非就是逆序遍历、双指针遍历、递归,代码也能分分钟写出来:

void strrev(char *str) {
    size_t start = 0;
    size_t end = start + strlen(str) - 1;
    
    while (start < end) {
        char ch = str[start];
        str[start++] = str[end];
        str[end--] = ch;
    }
}
复制代码

OK,上面的代码放到 LeetCode 上绝对是能 AC 的,但是实际情况中能 AC 吗?答案肯定是不能的!一个靠谱的字符串翻转算法题放到 LeetCode 上至少是 Medium 的难度。

首先我们知道字符串有编码规则,比如我们常用的 UTF-8,Windows 早期采用的 UTF-16(函数名有 W 后缀的 API 采用这种编码)等等...对于英文字母等 ASCII 字符的情况,UTF-8 和 ASCII 编码都是一个字节,所以上述的方法没有太大问题。然而对于有中文的情况,一个中文字符在 UTF-8 中会占 3 个字节,如果单纯的按字节翻转就会出现乱码。

那怎么解决呢?

最简单的方法就是使用 mbstowcs 函数将 char * 类型的字符串转换为 wchar_t 类型的宽字符串,wchar_t 这个类型在 Linux、UNIX 系统上占 4 个字节,在 Windows 上占 2 个字节。4 个字节意味着字符将用 UTF-32 来编码,不管是汉字还是 Emoji 都能存放下来。但对于 2 个字节,也就是 UTF-16,汉字是能表示,但是 Emoji 这类位于辅助平面码位的字符需要两个码元来表示,本文的方法就暂不适用了。

首先我们来看一下改进版的字符串翻转:

static void strrev2(char *str) {
    setlocale(LC_CTYPE, "UTF-8");
    size_t len = mbstowcs(NULL, str, 0);
    wchar_t *wcs = (wchar_t *) calloc(len + 1, sizeof(wchar_t));
    mbstowcs(wcs, str, len + 1);
    
    size_t start = 0;
    size_t end = start + len - 1;
    
    while (start < end) {
        wchar_t wc = wcs[start];
        wcs[start++] = wcs[end];
        wcs[end--] = wc;
    }
    
    wcstombs(str, wcs, wcstombs(NULL, wcs, 0));
    free(wcs);
}
复制代码

使用 mbstowcs 这类转换函数首先需要设置字符串的系统编码,不然函数无法确定你传入的 char * 是个什么东西,本文中不管是源码还是系统环境的 std I/O 都采用 UTF-8 编码。

接下来我们调用一次 mbstowcs 不传入目标地址和字符长度,这可以让函数直接计算所需的 wchar_t 个数并返回回来以便我们申请内存。

然后就是基于 wchar_t 的一个常规字符串翻转了,最后别忘了转换回去,释放内存即可。

Bonus: Cocoa 开发中的字符串翻转

作为 iOS 开发者,当然还要考虑 OC 中的解决方法了。

方案 1:

通过 API 遍历子串,然后前向插入到新的 NSMutableString 中。

- (NSString *)my_stringByReversing {
    NSMutableString *reversed = [NSMutableString stringWithCapacity:self.length];
    NSRange range = NSMakeRange(0, self.length);
    [self enumerateSubstringsInRange:range
                             options:NSStringEnumerationByComposedCharacterSequences
                          usingBlock:^(NSString * _Nullable substring, NSRange substringRange,
                                       NSRange enclosingRange, BOOL * _Nonnull stop) {
                              [reversed insertString:substring atIndex:0];
                          }];
    return [reversed copy];
}
复制代码

这种方法是效果最好的,它会将 Composed Emoji(如 👨‍👩‍👧‍👧)也提取出来,因为这类 Emoji 是由多个 Unicode 字符组合而成的,所以即便是 4 个字节的 wchar_t 也容纳不下。但这种方法的弊端就是开销太大,稍后我们做一个比较。

方案 2:

通过 API 获取到 C String,然后用文章开头所述的方法处理,再重新用处理后的 C String 构造 NSString

- (NSString *)my_stringByReversing2 {
    NSUInteger length = [self lengthOfBytesUsingEncoding:NSUTF8StringEncoding];
    char *buf = calloc(length + 1, 1);
    [self getCString:buf maxLength:length + 1 encoding:NSUTF8StringEncoding];
    strrev2(buf);
    NSString *reversed = [NSString stringWithCString:buf encoding:NSUTF8StringEncoding];
    free(buf);
    return reversed;
}
复制代码

这种方法的好处就是高效,经测试,它与遍历的方法相比有 100 多倍的性能提升,但是问题就是无法处理复杂的 Emoji。

两种方法,在使用中需要好好衡量一下。

方案 3:

Swift。Swift 的 String 的基本单位是 Character,它是 Unicode Scalar 的集合,表示了一个可渲染的字符,包括 Composed Emoji。并且,String 是实现了 BidirectionalCollection,拥有 reversed 方法,可以轻松实现字符串翻转。另外要提醒大家一下,正由于 Swift 的 String 是基于 Character 的,对于取某个字符这样的操作,能复用之前的 Index 就复用,我见过很多人喜欢写

str.index(str.startIndex, offsetBy: i)
复制代码

这样是很费性能的,因为 Index 的移动操作需要从起点遍历计算,用这种方法遍历一遍字符串的复杂度近似是 O(n!)

大家有兴趣可以试试 Swift 的性能~