詳細談談iOS字符串翻轉

2020-07-26 02:25:10

字體：大中小

來源：轉載

供稿：網友

前言

字符串翻轉作為算法題已經是一個不能再基礎的問題了，無非就是逆序遍歷、雙指針遍歷、遞歸，代碼也能分分鐘寫出來：

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; }}

OK，上面的代碼放到 LeetCode 上絕對是能 AC 的，但是實際情況中能 AC 嗎？答案肯定是不能的！一個靠譜的字符串翻轉算法題放到 LeetCode 上至少是 Medium 的難度。

首先我們知道字符串有編碼規則，比如我們常用的 UTF-8，Windows 早期采用的 UTF-16（函數名有 W 后綴的 API 采用這種編碼）等等...對于英文字母等 ASCII 字符的情況，UTF-8 和 ASCII 編碼都是一個字節，所以上述的方法沒有太大問題。然而對于有中文的情況，一個中文字符在 UTF-8 中會占 3 個字節，如果單純的按字節翻轉就會出現亂碼。

那怎么解決呢？

最簡單的方法就是使用 mbstowcs 函數將 char * 類型的字符串轉換為 wchar_t 類型的寬字符串，wchar_t 這個類型在 Linux、UNIX 系統上占 4 個字節，在 Windows 上占 2 個字節。4 個字節意味著字符將用 UTF-32 來編碼，不管是漢字還是 Emoji 都能存放下來。但對于 2 個字節，也就是 UTF-16，漢字是能表示，但是 Emoji 這類位于輔助平面碼位的字符需要兩個碼元來表示，本文的方法就暫不適用了。

首先我們來看一下改進版的字符串翻轉：

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);}

使用 mbstowcs 這類轉換函數首先需要設置字符串的系統編碼，不然函數無法確定你傳入的 char * 是個什么東西，本文中不管是源碼還是系統環境的 std I/O 都采用 UTF-8 編碼。

接下來我們調用一次 mbstowcs 不傳入目標地址和字符長度，這可以讓函數直接計算所需的 wchar_t 個數并返回回來以便我們申請內存。

然后就是基于 wchar_t 的一個常規字符串翻轉了，最后別忘了轉換回去，釋放內存即可。

Bonus: Cocoa 開發中的字符串翻轉

作為 iOS 開發者，當然還要考慮 OC 中的解決方法了。

方案 1：

通過 API 遍歷子串，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];}

這種方法是效果最好的，它會將 Composed Emoji（如 👨‍👩‍👧‍👧）也提取出來，因為這類 Emoji 是由多個 Unicode 字符組合而成的，所以即便是 4 個字節的 wchar_t 也容納不下。但這種方法的弊端就是開銷太大，稍后我們做一個比較。

方案 2：

通過 API 獲取到 C String，然后用文章開頭所述的方法處理，再重新用處理后的 C String 構造 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;}

這種方法的好處就是高效，經測試，它與遍歷的方法相比有 100 多倍的性能提升，但是問題就是無法處理復雜的 Emoji。

兩種方法，在使用中需要好好衡量一下。

方案 3：

Swift。Swift 的 String 的基本單位是 Character，它是 Unicode Scalar 的集合，表示了一個可渲染的字符，包括 Composed Emoji。并且，String 是實現了 BidirectionalCollection，擁有 reversed 方法，可以輕松實現字符串翻轉。另外要提醒大家一下，正由于 Swift 的 String 是基于 Character 的，對于取某個字符這樣的操作，能復用之前的 Index 就復用，我見過很多人喜歡寫