STL搜索算法的区别

STL搜索算法的区别^[1]

你要寻找什么，而且你有一个容器或者你有一个由迭代器划分出来的区间——你要找的东西就在里面。你要怎么完成搜索呢？你箭袋中的箭有这些：count、count_if、find、find_if、binary_search、lower_bound、upper_bound和equal_range。面对着它们，你要怎么做出选择？

简单。你能很快很容易地做到。能更快，更容易，更好。

暂时，我假设你有一对指定了搜索区间的迭代器。然后，我会考虑到你有的是一个容器而不是一个区间的情况。

要选择搜索策略，必须依赖于你的迭代器是否定义了一个已序区间。如果是，你就可以通过binary_search、lower_bound、upper_bound和equal_range来加速（通常是对数时间）搜索。如果迭代器并没有划分一个已序区间，你就只能用线性时间的算法count、count_if、find和find_if。在下文中，我会忽略掉count和find是否有_if的不同，就像我会忽略掉binary_search、lower_bound、upper_bound和equal_range是否带有谓词(predicate)的不同。你是依赖默认的搜索谓词还是指定一个自己的，对选择搜索算法的考虑是一样的。

如果你有一个无序区间，你的选择是count或着find。它们分别可以回答略微不同的问题，所以值得仔细去区分它们。count回答的问题是：“是否存在这个值，如果有，那么存在几份拷贝？”而find回答的问题是：“是否存在，如果有，那么它在哪儿？”

假设你想知道的东西是，是否有一个特定的Widget值w在list中。如果用count，这段代码看起来像这样：

list lw;   // Widget的列表

Widget w;    // 特殊的Widget值

...

if (count(lw.begin(), lw.end(), w)) {

 ...    // w在lw中

} else {

 ...    // 不在

}

这里示范了一种常用手法：把count用来作为是否存在的检查。count返回零或者一个正数，所以我们把非零转化为true而把零转化为false。如果这样能使我们要做的更加显而易见，

if (count(lw.begin(), lw.end(), w) != 0) ...

而且有些程序员这样写，但是使用隐式转换则更常见，就像最初的例子。

和最初的代码比较，使用find略微更难懂些，因为你必须检查find的返回值和list的end迭代器是否相等：

if (find(lw.begin(), lw.end(), w) != lw.end()) {

 ...    // 找到了

} else {

 ...    // 没找到

}

如果是为了检查是否存在，count这个惯用方法编码起来比较简单。但是，当搜索成功时，它的效率比较低，因为当找到匹配的值后find就停止了，而count必须继续搜索，直到区间的结尾以寻找其他匹配的值。对大多数程序员来说，find在效率上的优势足以证明略微增加复杂度是合适的。

通常，只知道区间内是否有某个值是不够的。取而代之的是，你想获得区间中的第一个等于该值的对象。比如，你可能想打印出这个对象，你可能想在它前面插入什么，或者你可能想要删除它。当你需要知道的不止是某个值是否存在，而且要知道哪个对象（或哪些对象）拥有该值，你就得用find：

list<Widget>::iterator i = find(lw.begin(), lw.end(), w);

if (i != lw.end()) {

 ...    // 找到了，i指向第一个

} else {

 ...    // 没有找到

}

对于已序区间，你有其他的选择，而且你应该明确的使用它们。count和find是线性时间的，但已序区间的搜索算法（binary_search、lower_bound、upper_bound和equal_range）是对数时间的。

从无序区间迁移到已序区间导致了另一个迁移：从使用相等来判断是否两个值相同到使用等价^[2]。那是因为count和find算法都用相等来搜索，而binary_search、lower_bound、upper_bound和equal_range则用等价。

要测试在已序区间中是否存在一个值，使用binary_search。不像标准C库中的（因此也是标准C++库中的）bsearch，binary_search只返回一个bool：这个值是否找到了。binary_search回答这个问题：“它在吗？”它的回答只能是是或者否。如果你需要比这样更多的信息，你需要一个不同的算法。

这里有一个binary_search应用于已序vector的例子:

vector vw;   // 建立vector，放入

...    // 数据，

sort(vw.begin(), vw.end()); // 把数据排序

Widget w;    // 要找的值

...

if (binary_search(vw.begin(), vw.end(), w)) {

 ...    // w在vw中

} else {

 ...    // 不在

}

如果你有一个已序区间而且你的问题是：“它在吗，如果是，那么在哪儿？”你需要equal_range，但你可能想要用lower_bound。我会很快讨论equal_range，但首先，让我们看看怎么用lower_bound来在区间中定位某个值。

当你用lower_bound来寻找一个值的时候，它返回一个迭代器，这个迭代器指向这个值的第一个拷贝（如果找到的话）或者到可以插入这个值的位置（如果没找到）。因此lower_bound回答这个问题：“它在吗？如果是，第一个拷贝在哪里？如果不是，它将在哪里？”和find一样，你必须测试lower_bound的结果，来看看它是否指向你要寻找的值。但又不像find，你不能只是检测lower_bound的返回值是否等于end迭代器。取而代之的是，你必须检测lower_bound所标示出的对象是不是你需要的值。

很多程序员这么用lower_bound：

vector<Widget>::iterator i = lower_bound(vw.begin(), vw.end(), w);

if (i != vw.end() && *i == w) { // 保证i指向一个对象；

    // 也就保证了这个对象有正确的值。

    // 这是个bug！

 ...    // 找到这个值，i指向

    // 第一个等于该值的对象

} else {

 ...    // 没找到

}

大部分情况下这是行得通的，但不是真的完全正确。再看一遍检测需要的值是否找到的代码：

if (i != vw.end() && *i == w) ...

这是一个相等的测试，但lower_bound搜索用的是等价。大部分情况下，等价测试和相等测试产生的结果相同，但就像注释2论证的，相等和等价的结果不同的情况并不难见到。在这种情况下，上面的代码就是错的。

要完全完成，你就必须检测lower_bound返回的迭代器指向的对象的值是否和你要寻找的值等价。你可以手动完成，但可以更狡猾地完成，因为你必须确认使用了和lower_bound使用的相同的比较函数。一般而言，那可以是一个自由函数（或函数对象）。如果你传递一个比较函数给lower_bound，你必须确认和你的手写的等价检测代码使用了相同的比较函数。这意味着如果你改变了你传递给lower_bound的比较函数，你也得对你的等价检测部分作出修改。保持比较函数同步不是火箭发射，但却是另一个要记住的东西，而且我想你已经有很多需要你记的东西了。

这儿有一个简单的方法：使用equal_range。equal_range返回一对迭代器，第一个等于lower_bound返回的迭代器，第二个等于upper_bound返回的（也就是，等价于要搜索值区间的末迭代器的下一个）。因此，equal_range，返回了一对划分出了和你要搜索的值等价的区间的迭代器。一个名字很好的算法，不是吗？（当然，也许叫equivalent_range会更好，但叫equal_range也非常好。）

对于equal_range的返回值，有两个重要的地方。第一，如果这两个迭代器相同，就意味着对象的区间是空的；这个只没有找到。这个结果是用equal_range来回答“它在吗？”这个问题的答案。你可以这么用：

vector<Widget> vw;

...

sort(vw.begin(), vw.end());

typedef vector::iterator VWIter; // 方便的typedef

typedef pair<VWIter, VWIter> VWIterPair;

VWIterPair p = equal_range(vw.begin(), vw.end(), w);

if (p.first != p.second) {   // 如果equal_range不返回

      // 空的区间...

 ...     // 说明找到了，p.first指向

      // 第一个而p.second

      // 指向最后一个的下一个

} else {

 ...     // 没找到，p.first和

      // p.second都指向搜索值

}      // 的插入位置

这段代码只用等价，所以总是正确的。

第二个要注意的是equal_range返回的东西是两个迭代器，对它们作distance就等于区间中对象的数目，也就是，等价于要寻找的值的对象。结果，equal_range不光完成了搜索已序区间的任务，而且完成了计数。比如说，要在vw中找到等价于w的Widget，然后打印出来有多少这样的Widget存在，你可以这么做：

VWIterPair p = equal_range(vw.begin(), vw.end(), w);

cout << "There are " << distance(p.first, p.second)

<< " elements in vw equivalent to w.";

到目前为止，我们所讨论的都是假设我们要在一个区间内搜索一个值，但是有时候我们更感兴趣于在区间中寻找一个位置。比如，假设我们有一个Timestamp类和一个Timestamp的vector，它按照老的timestamp放在前面的方法排序：

class Timestamp { ... };

bool operator<(const Timestamp& lhs, // 返回在时间上lhs

 const Timestamp& rhs);   // 是否在rhs前面

vector vt;   // 建立vector，填充数据，

...     // 排序，使老的时间

sort(vt.begin(), vt.end());  // 在新的前面

现在假设我们有一个特殊的timestamp——ageLimit，而且我们从vt中删除所有比ageLimit老的timestamp。在这种情况下，我们不需要在vt中搜索和ageLimit等价的Timestamp，因为可能不存在任何等价于这个精确值的元素。

取而代之的是，我们需要在vt中找到一个位置：第一个不比ageLimit更老的元素。这是再简单不过的了，因为lower_bound会给我们答案的：

Timestamp ageLimit;

...

vt.erase(vt.begin(), lower_bound(vt.begin(), // 从vt中排除所有

 vt.end(),     // 排在ageLimit的值

 ageLimit));     // 前面的对象

如果我们的需求稍微改变了一点，我们要排除所有至少和ageLimit一样老的timestamp，也就是我们需要找到第一个比ageLimit年轻的timestamp的位置。这是一个为upper_bound特制的任务：

vt.erase(vt.begin(), upper_bound(vt.begin(), // 从vt中排除所有

 vt.end(),     // 排在ageLimit的值前面

 ageLimit));     // 或者等价的对象

如果你要把东西插入一个已序区间，而且对象的插入位置是在有序的等价关系下它应该在的地方时，upper_bound也很有用。比如，你可能有一个已序的Person对象的list，对象按照name排序：

class Person {

public:

 ...

 const string& name() const;

 ...

};

struct PersonNameLess:

public binary_functionbool> {

 bool operator()(const Person& lhs, const Person& rhs) const

 {

  return lhs.name() < rhs.name();

 }

};

list<Person> lp;

...

lp.sort(PersonNameLess());  // 使用PersonNameLess排序lp

要保持list仍然是我们希望的顺序（按照name，插入后等价的名字仍然按顺序排列），我们可以用upper_bound来指定插入位置：

Person newPerson;

...

lp.insert(upper_bound(lp.begin(),  // 在lp中排在newPerson

 lp.end(),    // 之前或者等价

 newPerson,    // 的最后一个

 PersonNameLess()),   // 对象后面

 newPerson);    // 插入newPerson

这工作的很好而且很方便，但很重要的是不要被误导——错误地认为upper_bound的这种用法让我们魔术般地在一个list里在对数时间内找到了插入位置。我们并没有。因为我们是用list，查找花费线性时间，但是它只用了对数次的比较。

一直到这里，我都只考虑我们有一对定义了搜索区间的迭代器的情况。通常我们有一个容器，而不是一个区间。在这种情况下，我们必须区别序列和关联容器。对于标准的序列容器（vector、string、deque和list），你应该遵循我在本条款提出的建议，使用容器的begin和end迭代器来划分出区间。

这种情况对标准关联容器（set、multiset、map和multimap）来说是不同的，因为它们提供了搜索的成员函数，它们往往是比用STL算法更好的选择^[3]。幸运的是，成员函数通常和相应的算法有同样的名字，所以前面的讨论推荐你使用的算法count、find、equal_range、lower_bound或upper_bound，在搜索关联容器时你都可以简单的用同名的成员函数来代替。

binary_search调用的策略不同，因为这个算法没有提供对等的成员函数。要测试在set或map中是否存在某个值，使用count的惯用方法来对成员进行检测：

set s;  // 建立set，放入数据

...

Widget w;   // w仍然是保存要搜索的值

...

if (s.count(w)) {

 ...   // 存在和w等价的值

} else {

 ...   // 不存在这样的值

}

要测试某个值在multiset或multimap中是否存在，find往往比count好，因为一旦找到等于期望值的单个对象，find就可以停下了，而count，在最遭的情况下，必须检测容器里的每一个对象。

但是，count给关联容器计数是可靠的。特别，它比调用equal_range然后应用distance到结果迭代器更好。首先，它更清晰：count 意味着“计数。”第二，它更简单；不用建立一对迭代器然后把它的组成（译注：就是first和second）传给distance。第三，它可能更快一点。

要给出所有我们在本条款中所考虑到的，我们的从哪儿着手？下面的表格道出了一切。

你想知道的	使用的算法		使用的成员函数
	在无序区间	在已序区间	在set或map上	在multiset或multimap上
期望值是否存在？	find	binary_search	count	find
期望值是否存在？如果有，第一个等于这个值的对象在哪里？	find	equal_range	find	find or lower_bound(see article)
第一个不等于期望值的对象在哪里？	find_if	lower_bound	lower_bound	lower_bound
第一个等于期望值的对象在哪里？	find_if	upper_bound	upper_bound	upper_bound
有多少对象等于期望值？	count	equal_range	count	count
等于期望值的所有对象在哪里？	find（迭代）	equal_range	equal_range	equal_range

上表总结了要怎么操作已序区间，equal_range的出现频率可能令人吃惊。当搜索时，这个频率因为等价检测的重要性而上升了。对于lower_bound和upper_bound，它很容易在相等检测中退却，但对于equal_range，只检测等价是很自然的。在第二行已序区间，equal_range打败了find还因为一个理由：equal_range花费对数时间，而find花费线性时间。

对于multiset和multimap，当你在搜索第一个等于特定值的对象的那一行，这个表列出了find和lower_bound两个算法作为候选。 已对于这个任务find是通常的选择，而且你可能已经注意到在set和map那一列里，这项只有find。但是对于multi容器，如果不只有一个值存在，find并不保证能识别出容器里的等于给定值的第一个元素；它只识别这些元素中的一个。如果你真的需要找到等于给定值的第一个元素，你应该使用lower_bound，而且你必须手动的对第二部分做等价检测。（你可以用equal_range来避免作手动等价检测，但是调用equal_range的花费比调用lower_bound多得多。）

在count、find、binary_search、lower_bound、upper_bound和equal_range中做出选择很简单。当你调用时，选择算法还是成员函数可以给你需要的行为和性能，而且是最少的工作。按照这个建议做（或参考那个表格），你就不会再有困惑。

---

Scott Meyers，Effective STL: 50 Specific Ways to Improve Your Use of the Standard Template Library，Addison-Wesley，2001，ISBN 0-201-74962-9。这篇文章是基于Effective STL的条款45写的。

如果在某种排序顺序下，一个没有在另一个之前，那么两个对象等价。通常，等价的值相等，但不总是这样。比如，字符串“STL”和“stl”在大小写不敏感的排序中是等价的，但是它们显然不相等。要知道等价和相等区别的详细内容，请参考条款19。

对于这点要求，你可以在条款44中找到原因。