STL algorithm之count、find、binary_search、lower_bound、upper_bound和equal_range的区别

柔情只为你懂 2022-07-16 08:54 157阅读 0赞

出处：http://www.cnblogs.com/qlee/archive/2011/04/08/2009667.html

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。你寻找的是能又快又简单的东西。越快越简单的越好。

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有序区间。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——参见[条款34][34]）搜索。如果迭代器并没有划分一个有序区间，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是否带有判断式的不同。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，代码看起来像这样：

list<Widget> lw;			// Widget的list
    Widget w;				// 特定的Widget值
    ...
    if (count(lw.begin(), lw.end(), w)) {
    	...			// w在lw中
    } else {
    	...			// 不在
    }

这里示范了一种惯用法：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（但当迭代时删除的引导参见[条款9][9]）。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
    }

对于有序区间，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，但有序区间的搜索算法（binary\_search、lower\_bound、upper\_bound和equal\_range）是对数时间的。

从无序区间迁移到有序区间导致了另一个迁移：从使用相等来判断两个值是否相同到使用等价来判断。[条款19][19]由一个详细地讲述了相等和等价的区别，所以我在这里不会重复。取而代之的是，我会简单地说明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。

要测试在有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应用于有序vector的例子（你可以从[条款23][23]中知道有序vector的优点）：

vector<Widget> 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
    }

如果你有一个有序区间而且你的问题是：“它在吗，如果是，那么在哪儿？”你就需要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[条款19][19]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（[条款19][19]演示了你该怎么做，当它值得一做时[条款24][24]提供了一个例子），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，那可以是一个任意的函数（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<Widget>::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不光完成了搜索有序区间的任务，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<Timestamp> 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中除去所有
    	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有序区间，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，你可能有一个有序的Person对象的list，对象按照name排序：

class Person {
    public:
    	...
    	const string& name() const;
    	...
    };
    
    struct PersonNameLess:
    public binary_function<Person, Person, bool> {	// 参见条款40
    	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——[条款34][34]解释了因为我们用了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。[条款44][44]详细说明了为什么它们是更好的选择，简要地说，是因为它们更快行为更自然。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。

调用binary\_search的策略不同，因为这个算法没有提供对应的成员函数。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<Widget> 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。（对于set和map，这不是问题，因为set不允许重复的值，而map不允许重复的键。）

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。

<table> 
 <tbody> 
  <tr> 
   <th>你想知道的</th> 
   <th colspan="2">使用的算法</th> 
   <th colspan="2">使用的成员函数</th> 
  </tr> 
  <tr> 
   <td>在无序区间</td> 
   <td>在有序区间</td> 
   <td>在set或map上</td> 
   <td>在multiset或multimap上</td> 
  </tr> 
  <tr> 
   <td>期望值是否存在？</td> 
   <td>find</td> 
   <td>binary_search</td> 
   <td>count</td> 
   <td>find</td> 
  </tr> 
  <tr> 
   <td>期望值是否存在？如果有，第一个等于这个值的对象在哪里？</td> 
   <td>find</td> 
   <td>equal_range</td> 
   <td>find</td> 
   <td>find或lower_bound（参见下面）</td> 
  </tr> 
  <tr> 
   <td>第一个不在期望值之前的对象在哪里？</td> 
   <td>find_if</td> 
   <td>lower_bound</td> 
   <td>lower_bound</td> 
   <td>lower_bound</td> 
  </tr> 
  <tr> 
   <td>第一个在期望值之后的对象在哪里？</td> 
   <td>find_if</td> 
   <td>upper_bound</td> 
   <td>upper_bound</td> 
   <td>upper_bound</td> 
  </tr> 
  <tr> 
   <td>有多少对象等于期望值？</td> 
   <td>count</td> 
   <td>equal_range，然后distance</td> 
   <td>count</td> 
   <td>count</td> 
  </tr> 
  <tr> 
   <td>等于期望值的所有对象在哪里？</td> 
   <td>find（迭代）</td> 
   <td>equal_range</td> 
   <td>equal_range</td> 
   <td>equal_range</td> 
  </tr> 
 </tbody> 
</table>

上表总结了要怎么操作有序区间，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。在第二行有序区间，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，[条款19][19]的内容可以帮你确认你已经找到了你要找的值。（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。

[34]: http://stl.winterxy.com/html/item_34.html
[9]: http://stl.winterxy.com/html/item_09.html
[19]: http://stl.winterxy.com/html/item_19.html
[23]: http://stl.winterxy.com/html/item_23.html
[24]: http://stl.winterxy.com/html/item_24.html
[44]: http://stl.winterxy.com/html/item_44.html