谈谈字符串翻转

2023年3月29日 265次阅读 来源: 算法小白

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~

    原文作者：算法小白
    原文地址: https://juejin.im/post/5b533ea7e51d4519115d113d
    本文转自网络文章，转载此文章仅为分享知识，如有侵权，请联系博主进行删除。
点赞