在C中将整个文件转换为小写的最佳方法

我想知道是否有一个真正好的（性能）解决方案，如何将整个文件转换成小写的C。

---

我使用fgetc将字符转换为小写，并使用fputc将其写入另一个临时文件。最后，我删除了原始文件，并将tempfile重命名为旧的原始文件名。但我认为必须有更好的解决办法

我得说你一针见血。临时文件意味着您在确定处理完成之前不会删除原始文件，这意味着一旦出错，原始文件将保留。我认为这是正确的做法

---

正如另一个答案（如果文件大小允许）所建议的，您可以通过mmap函数对文件进行内存映射，并使其在内存中随时可用（如果文件小于页面大小，则没有实际性能差异，因为一旦您进行了第一次读取，它可能会被读入内存）

通过使用

fread

和

fwrite

读取和写入大块输入/输出，通常可以在大输入上获得更快的速度。此外，您可能还应该将一个较大的块（如果可能的话，整个文件）转换为内存，然后一次将其全部写入

---

编辑：我还记得一件事。有时，如果选择素数（至少不是2的幂）作为缓冲区大小，程序可能会更快。我似乎记得这与缓存机制的细节有关。

如果你知道字符编码是什么，你肯定可以大大加快速度。因为您使用的是Linux和C，所以我将在这里冒险假设您使用的是ASCII

在ASCII码中，我们知道A-Z和A-Z是连续的，并且总是相距32。因此，我们可以忽略toLower（）函数的安全检查和区域设置检查，并执行如下操作：

（伪代码） 文件中的foreach（int）char c： c-=32

或者，如果可能有大写和小写字母，请执行如下检查 if（c>64&&c<91）//大写ASCII范围 然后进行减法运算并将其写入文件

此外，批处理写入速度更快，因此我建议首先写入数组，然后一次性将数组的内容写入文件

---

这应该要快得多。

这并不能真正回答问题（社区wiki），但这里有一个（过度？）优化的函数，可以将文本转换为小写：

#include <assert.h>
#include <ctype.h>
#include <stdio.h>

int fast_lowercase(FILE *in, FILE *out)
{
    char buffer[65536];
    size_t readlen, wrotelen;
    char *p, *e;
    char conversion_table[256];
    int i;

    for (i = 0; i < 256; i++)
        conversion_table[i] = tolower(i);

    for (;;) {
        readlen = fread(buffer, 1, sizeof(buffer), in);
        if (readlen == 0) {
            if (ferror(in))
                return 1;
            assert(feof(in));
            return 0;
        }

        for (p = buffer, e = buffer + readlen; p < e; p++)
            *p = conversion_table[(unsigned char) *p];

        wrotelen = fwrite(buffer, 1, readlen, out);
        if (wrotelen != readlen)
            return 1;
    }
}

#包括
#包括
#包括
int快速小写（文件*输入，文件*输出）
{
字符缓冲区[65536]；
尺寸（单位：mm）和尺寸（单位：mm）；
字符*p，*e；
字符转换_表[256]；
int i；
对于（i=0；i<256；i++）
换算表[i]=下限（i）；
对于（；；）{
readlen=fread（缓冲区，1，缓冲区大小，in）；
如果（readlen==0）{
如果（铁（in））
返回1；
断言（feof（in））；
返回0；
}
for（p=buffer，e=buffer+readlen；p

当然，这并不支持Unicode

我使用GCC4.6.0和i686（32位）Linux在Intel Core 2 T5500（1.66GHz）上对此进行了基准测试。一些有趣的观察结果：

• 使用

  malloc

  而不是在堆栈上分配

  buffer

  时，速度约为75%
• 使用条件表比使用转换表快65%

---

如果您正在处理大文件（比如说，大到好几兆字节），并且此操作绝对是速度关键的，那么超越您所查询的内容可能是有意义的。特别要考虑的是，逐字符操作将比使用SIMD指令执行得更好。

也就是说，如果您要使用SSE2，您可以对

toupper_并行

like（伪代码）进行编码：

for（cur\u parallel\u word=块的开始；
cur_parallel_word<_块的end_；
cur_parallel_word+=平行_word_width）{
/*
*在SSE2中，平行比较是关于“更大”或“相等”
*所以“>=”和“你为什么要在C中这样做？像这样的任务是脚本语言存在的目的。他想从那台计算机中挤出每一点性能。我同意delnan的观点，但解决你的问题-你认为你可以改进什么？我认为你不能做完全缓冲的拷贝，因为你必须修改stRAMM。您可以将它完全加载到中间的内存中，以避免对磁盘进行大量的攻击，但这是典型的内存吞吐量的折衷，这不是一个明显的改进。CASE转换是依赖于区域的。您是否关心其他语言，或者等效于<代码> TR AZ Z -Z <代码>？没有真正的原因来<代码> >调用
rename
之前，请先取消文件链接，因为
rename
将为您移动旧文件。此外，虽然
fgetc
使用缓冲I/O，为什么不直接请求大块数据并尽量减少您必须进行的调用次数？
for (cur_parallel_word = begin_of_block;
     cur_parallel_word < end_of_block;
     cur_parallel_word += parallel_word_width) {
    /*
     * in SSE2, parallel compares are either about 'greater' or 'equal'
     * so '>=' and '<=' have to be constructed. This would use 'PCMPGTB'.
     * The 'ALL' macro is supposed to replicate into all parallel bytes.
     */
    mask1 = parallel_compare_greater_than(*cur_parallel_word, ALL('A' - 1));
    mask2 = parallel_compare_greater_than(ALL('Z'), *cur_parallel_word);
    /*
     * vector op - and all bytes in two vectors, 'PAND'
     */
    mask = mask1 & mask2;
    /*
     * vector op - add a vector of bytes. Would use 'PADDB'.
     */
    new = parallel_add(cur_parallel_word, ALL('a' - 'A'));
    /*
     * vector op - zero bytes in the original vector that will be replaced
     */
    *cur_parallel_word &= !mask;           // that'd become 'PANDN'
    /*
     * vector op - extract characters from new that replace old, then or in.
     */
    *cur_parallel_word |= (new & mask);    // PAND / POR
}