为什么我的C++文本文件解析脚本比Python脚本慢得多？ - python

我目前正在尝试自学c++，并且正在研究文件IO。我已经阅读了cplusplus.com教程，并且正在使用从那里学到的基本文件IO技术:

std::ifstream  \\using this to open a read-only file
std::ofstream  \\using this to create an output file
std::getline  \\using this to read each line of the file
outputfile << linecontents \\using this to write to the output file

我有一个大约10MB的文本文件，其中包含前一百万个素数，它们之间用空格隔开，每行8个素数。我的目标是编写一个程序，该程序将打开文件，通读内容，并编写每行一个质数的新文件。我正在使用正则表达式在每行末尾去除空格，并用单个换行符替换每个数字之间的空格。

基本算法很简单:使用正则表达式，我修剪每行末尾的空格，并用换行符替换中间的空格，并将该字符串写入输出文件。我已经用c++和Python编写了“相同”算法(除了我使用内置的strip()函数删除开头和结尾的空格)，而且Python程序要快得多!我期望相反。我认为(写得很好)的c++程序应该快如闪电，而Python程序要慢10到20倍。尽管在Python中进行了任何优化都是在后台进行的，但是它比我的“等效” C++程序要快得多。

我的正则表达式搜索:

std::tr1::regex rxLeadingTrailingWS("^(\\s)+|(\\s)+$"); //whitespace at beginning or end of string
std::tr1::regex rxWS("(\\s)+"); //whitespace anywhere

我的文件解析代码:

void ReWritePrimesFile()
{
    std::ifstream readFile("..//primes1.txt");
    std::ofstream reducedPrimeList("..//newprimelist.txt");
    std::string readout;
    std::string tempLine;

    std::tr1::regex rxLeadingTrailingWS("^(\\s)+|(\\s)+$"); //whitespace at beginning or end of string
    std::tr1::regex rxWS("(\\s)+"); //whitespace anywhere
    std::tr1::cmatch res; //the variable which a regex_search writes its results to

    while (std::getline(readFile, readout)){
        tempLine = std::tr1::regex_replace(readout.c_str(), rxLeadingTrailingWS, ""); //remove leading and trailing whitespace
        reducedPrimeList << std::tr1::regex_replace(tempLine.c_str(), rxWS, "\n") << "\n"; //replace all other whitespace with newlines
    }

    reducedPrimeList.close();
}

但是，此代码需要几分钟才能解析10 MB的文件。以下Python脚本大约需要1-3秒(尚未计时):

import re
rxWS = r'\s+'
with open('pythonprimeoutput.txt', 'w') as newfile:
    with open('primes1.txt', 'r') as f:
        for line in f.readlines():
            newfile.write(re.sub(rxWS, "\n", line.strip()) + "\n")

唯一显着的区别是，我使用内置的strip()函数剥离换行符，而不是使用正则表达式。 (这是我执行时间非常慢的原因吗？)

我完全不确定我的程序效率低下的原因是什么。一个10MB的文件应该花很长时间才能解析!

*编辑:最初显示的文件为20MB，只有10MB。

根据Nathan Oliver的建议，我使用了以下代码，仍然需要大约5分钟才能运行。现在，这几乎与我在Python中使用的算法相同。仍然不确定有什么不同。

void ReWritePrimesFile()
{
    std::ifstream readFile("..//primes.txt");
    std::ofstream reducedPrimeList("..//newprimelist.txt");
    std::string readout;
    std::string tempLine;

    //std::tr1::regex rxLeadingTrailingWS("^(\\s)+|(\\s)+$"); //whitespace at beginning or end of string
    std::tr1::regex rxWS("(\\s)+"); //whitespace anywhere
    std::tr1::cmatch res; //the variable which a regex_search writes its results to

    while (readFile >> readout){
        reducedPrimeList << std::tr1::regex_replace(readout.c_str(), rxWS, "\n") + "\n"; //replace all whitespace with newlines
    }

    reducedPrimeList.close();
}

第二次编辑:我必须在regex_replace行的末尾添加一个额外的换行符。显然readFile >>读出在每个空格字符处停止了吗？不知道它是如何工作的，但是它为文件中的每个数字(而不是文件中的每一行)运行while循环的迭代。

python大神给出的解决方案

您拥有的代码较慢，因为您正在C++代码中执行两个正则表达式调用。就是这样，您知道是否使用>>运算符从文件中读取文件，它将忽略前导空格并读取直到找到另一个空格字符。您可以轻松地编写如下函数:

void ReWritePrimesFile()
{
    std::ifstream readFile("..//primes1.txt");
    std::ofstream reducedPrimeList("..//newprimelist.txt");
    std::string readout;

    while(readFile >> readout)
        reducedPrimeList << readout << '\n';
}