Javascript 函数式编程在这种情况下是否效率较低？

我正在读《Javascript中的函数式编程》一书

在第2章中，对于查找字符串中仅包含字母的前四个单词，命令式/函数式代码之间进行了以下比较：

迫切的

var words=[]，count=0；
text=myString.split（“”）；
对于（i=0；count，在某些情况下（如您的情况）是的，但并非总是如此。许多函数式语言，如Haskell或Scala，都内置了惰性。这意味着函数不会立即求值，而是只在需要时才求值

如果您熟悉Java8，那么他们的Streams API也是惰性的，这意味着类似这样的东西不会遍历整个流3次

stream.filter(n -> n < 200)
    .filter(n -> n % 2 == 0)
    .filter(n -> n > 15);

stream.filter（n->n<200）
.filter（n->n%2==0）
.过滤器（n->n>15）；

这是一个非常有趣的概念，您可以在这里查看Scala Stream类的文档
作为教程的一部分，对这两个代码片段进行比较非常有意义。函数编程要求很高，如果作者没有向读者介绍最有效的函数实现，那么例子很简单

为什么函数式编程要求很高？因为它遵循数学原理（而这些并不总是人类逻辑）因为新手习惯于命令式风格。在FP中，数据流具有优先权，而实际的算法保留在后台。习惯这种风格需要时间，但如果你已经习惯了一次，你可能永远不会回头

如何以功能的方式更有效地实现此示例？有几种可能性，我举例说明了其中两种。请注意，两种实现都避免了中间数组：


Javascript是经过严格评估的。但是，惰性评估可以用thunks（空函数）进行模拟。此外，
foldR
（折叠右键）需要作为迭代函数，从中派生出
filterN
：

const foldR = rf => acc => xs => xs.length
 ? rf(xs[0])(() => foldR(rf)(acc)(xs.slice(1)))
 : acc;

const filterN = pred => n => foldR(
  x => acc => pred(x) && --n ? [x].concat(acc()) : n ? acc() : [x]
)([]);

const alpha = x => !x.match(/[0-9]/);
let xs = ["1", "a", "b", "2", "c", "d", "3", "e"];

filterN(alpha)(4)(xs); // ["a", "b", "c", "d"]

此实现的缺点是
filterN
不是纯的，因为它是有状态的（
n
）


CPS启用了
过滤器的纯变体
：

const foldL = rf => acc => xs => xs.length
 ? rf(acc)(xs[0])(acc_ => foldL(rf)(acc_)(xs.slice(1)))
 : acc;

const filterN = pred => n => foldL(
  acc => x => cont => pred(x)
   ? acc.length + 1 < n ? cont(acc.concat(x)) : acc.concat(x)
   : cont(acc)
)([]);

const alpha = x => !x.match(/[0-9]/);
let xs = ["1", "a", "b", "2", "c", "d", "3", "e"];

filterN(alpha)(4)(xs); // ["a", "b", "c", "d"]

constfoldl=rf=>acc=>xs=>xs.length
？rf（acc）（xs[0]）（acc=>foldL（rf）（acc）（xs.切片（1）））
：acc；
常数filterN=pred=>n=>foldL(
acc=>x=>cont=>pred（x）
？附件长度+1！x.match（/[0-9]/）；
设xs=[“1”、“a”、“b”、“2”、“c”、“d”、“3”、“e”]；
过滤器（alpha）（4）（xs）；//[“a”、“b”、“c”、“d”]

foldR
和
foldL
的区别有点令人困惑。区别不在于可交换性，而在于关联性。CPS实现仍然有一个缺点。
filterN
应该分为
filter
和
take
，以提高代码重用性


传感器允许合成（减少/转换）函数，而不必依赖于中间数组。因此，我们可以将
filterN
分为两个不同的函数
filter
和
take
，从而提高它们的可重用性。不幸的是，我还没有找到一个适用于可理解和可执行的e我将尝试开发自己的、简化的传感器解决方案，然后在这里给出一个适当的示例

结论

正如您所看到的，这些实现可能没有命令式解决方案那么有效。Bergi已经指出，执行速度不是函数式编程最相关的问题。如果微优化对您很重要，您应该继续依赖命令式风格。
这是一个非常奇妙的问题。我的tentative的答案是“这取决于编译器/语言。”我知道Haskell做了一些疯狂的优化，因为它可以对很多行为做出完美的保证。对于Javascript来说，情况并非如此。看看惰性评估。不管它是否正确，请注意效率不是函数式编程的要点。还有其他更重要的功能，通常情况下，你是这样的甚至愿意用它们来换取执行速度。问题（或者至少你的推理）其实不是函数与命令式编程的问题。而是你为两者选择的解决方案。你可以有一种函数式方法，在找到前4项后也会停止。还有，“函数式”示例虽然可读性强且清晰，但并不是性能函数代码的最佳示例。该操作归结为一个简单的
reduce
，我不认为您解释了“懒惰”的概念正确。Java streams示例中的情况是，
过滤器
操作是**交错的**-元素“流”一次一个元素通过三个过滤器的管道。这与惰性不同，惰性意味着永远不会访问不可能对结果流有贡献的基本元素。例如
限制（long）
Java 8 streams中的操作表现出惰性，基本流中超过限制的元素将永远不会被要求。你说得很好！我只是想演示如何优化API，使其与命令式构造一样具有性能，这是我想到的第一件事。下面是一个示例性实现属于