Assembly 获取最后一行分隔符

我认为这是一个非常常见的任务，应该有一些快速简洁的解决方案。我有一个四字，我想得到最低字节位置，它等于0x0A（Linux中的换行符）。我编写了以下简单程序：

SYS_exit equ 0x3C

section .text
    global _start

_start:
    mov rax, 0x0A
    mov rbx, [dt]
    mov rcx, 0x07
    loop:
        mov r13, rbx
        and r13, 0xFF
        cmp r13, 0x0A
        jz ok
        shr rbx, 8
        dec rcx
        jnz loop
        jmp fail
    ok:
        mov rax, SYS_exit
        mov rdi, 8
        sub rdi, rcx
        syscall
    fail:
        mov rax, SYS_exit
        mov rdi, -1
        syscall


section .data
    dt: dq 0xAB97450A8733AA1F

而且它工作得很好<代码>边距。/bin打印

execve("./bin", ["./bin"], [/* 69 vars */]) = 0
exit(5)                                 = ?
+++ exited with 5 +++

但是这个程序看起来很难看，事实上我正在寻找一种方法使它尽可能快。你能给出一些优化建议吗

但是这个节目看起来很难看

祝贺你注意到：p

我正在寻找一种方法，使它尽可能快

SSE2是x86-64的基线，所以您应该使用它。您可以在两条指令中执行此操作，使用pcmpeqb/pmovmskb获得字节比较结果的位图，然后使用位扫描指令，如（扫描反向为您提供最高设置位的索引）

显然，在循环中，您将在寄存器中保留

换行掩码

（然后您可以使用AVX

vbroadcastss

，或SSE3

movddup

，而不需要内存中的整个16字节常量）

当然，您可以使用

movdqu

load一次加载16个字节，或者使用AVX2一次加载32个字节如果您有一个大的缓冲区，那么您基本上是在实现向后的

memcmp

，应该考虑优化的库实现。它们可能会将整个缓存线的

pcmpeqb

结果与

por

结合起来，因此，他们保存了3/4的

pmovmskb

工作，直到最后，当他们确定缓存线的哪个部分被命中时

如果您关心AMD CPU（其中

bsr

速度较慢），在使用

tzcnt

之前，可以使用

test edi、edi

/

jz

单独测试input=0。（

tzcnt（x）

为您提供

31 bsr（x）

，如果输入为零，则为32。）如果您可以依赖BMI2可用

---

如果要使用标量循环，可以在寄存器的低位字节上使用字节比较，而不是复制和屏蔽值

    ; we test byte 7 first, so start the counter there.
    mov  edi, 7         ; no idea why you were using a 64-bit counter register
   ; loop body runs with edi=7..0
.loop:                ; do{
    rol  rbx, 8         ; high byte becomes low

    cmp  bl, 0xa        ; check the low byte
    je   .found

    dec  edi
    jge  .loop        ; } while(--edi>=0) signed compare
   ; not found falls through with edi=-1

 .found:
    mov  eax, SYS_exit
    syscall           ; exit(7..0) for found, or exit(-1) for not-found

根据您对结果所做的操作，您可能会以不同的方式排列循环计数器

但是这个节目看起来很难看

祝贺你注意到：p

我正在寻找一种方法，使它尽可能快

SSE2是x86-64的基线，所以您应该使用它。您可以在两条指令中执行此操作，使用pcmpeqb/pmovmskb获得字节比较结果的位图，然后使用位扫描指令，如（扫描反向为您提供最高设置位的索引）

显然，在循环中，您将在寄存器中保留

换行掩码

（然后您可以使用AVX

vbroadcastss

，或SSE3

movddup

，而不需要内存中的整个16字节常量）

当然，您可以使用

movdqu

load一次加载16个字节，或者使用AVX2一次加载32个字节如果您有一个大的缓冲区，那么您基本上是在实现向后的

memcmp

，应该考虑优化的库实现。它们可能会将整个缓存线的

pcmpeqb

结果与

por

结合起来，因此，他们保存了3/4的

pmovmskb

工作，直到最后，当他们确定缓存线的哪个部分被命中时

如果您关心AMD CPU（其中

bsr

速度较慢），在使用

tzcnt

之前，可以使用

test edi、edi

/

jz

单独测试input=0。（

tzcnt（x）

为您提供

31 bsr（x）

，如果输入为零，则为32。）如果您可以依赖BMI2可用

---

如果要使用标量循环，可以在寄存器的低位字节上使用字节比较，而不是复制和屏蔽值

    ; we test byte 7 first, so start the counter there.
    mov  edi, 7         ; no idea why you were using a 64-bit counter register
   ; loop body runs with edi=7..0
.loop:                ; do{
    rol  rbx, 8         ; high byte becomes low

    cmp  bl, 0xa        ; check the low byte
    je   .found

    dec  edi
    jge  .loop        ; } while(--edi>=0) signed compare
   ; not found falls through with edi=-1

 .found:
    mov  eax, SYS_exit
    syscall           ; exit(7..0) for found, or exit(-1) for not-found

---

根据您对结果所做的操作，您可能会以不同的方式安排循环计数器。

由于您有工作代码，因此您的问题在上的提问更为恰当。请要求将问题迁移到最高字节位置=最后一个？因为在您的示例中，第一次跳转到

ok

。那是哪一个？@Ped7g当然，是打字错误。我指的是第一个问题，当然，谢谢。因为你有工作代码，你的问题在上问得更恰当。请要求将问题迁移到最高字节位置=最后一个？因为在您的示例中，第一次跳转到

ok

。那是哪一个？@Ped7g当然，是打字错误。我指的是第一个，当然，谢谢。顺便说一句，这是最后一行分隔符，就像你的问题标题要求的那样。我以为这是你代码中的一个bug。如果您想要第一个，请使用bsf。（或者在标量循环中，检查低字节后使用

shr rbx，8

。@fuz:您可以使用它，但我不确定它是否有用，即使它内置了BSF功能。在Skylake上，p0为3 uops，延迟为12c。但是对于p01，

pcmpeqb

是1c，

pmovmskb

对于p0是2到3c，

bsf

对于p1是1c。因此，这比

pcmpistri

具有更好的吞吐量和延迟<如果您不知道长度，并且还必须检查终止字节，即实现

strchr

而不是

memchr

，则code>pcmpistri可能很有用。但可能仍然没有；可能只对更复杂的搜索有用，比如字符范围。如果你有AVX2，SSE4.2字符串指令就不值得考虑了；一次32个字节会将它们吹走。顺便说一句，这会得到最后一行分隔符，就像你的问题标题要求的那样。我以为这是你代码中的一个bug。如果您想要第一个，请使用bsf。（或者在标量循环中，检查低字节后使用

shr rbx，8

。@fuz:您可以使用它，但我不确定它是否有用，即使它内置了BSF功能。在Skylake上，p0为3 uops，延迟为12c。但是对于p01，

pcmpeqb

是1c，对于p01，

pmovmskb

是2到3c