จัดเรียงอัลกอริทึมสำหรับ Excel / SharedStrings

ใน Excel พวกเขา 'บีบอัด' สตริงการแมปเป็นตัวเลข (แม้ว่าฉันไม่แน่ใจว่าคำว่าการบีบอัดถูกต้องในกรณีนี้) นี่คือตัวอย่างที่แสดงด้านล่าง:

ในขณะที่สิ่งนี้ช่วยลดขนาดไฟล์และรอยเท้าหน่วยความจำโดยรวมแล้ว Excel จะเรียงลำดับอย่างไรในเขตข้อมูลสตริง ทุกสตริงเดียวจะต้องผ่านการค้นหาการแมป: และถ้าเป็นเช่นนั้นจะไม่เพิ่มค่าใช้จ่าย / ชะลอการทำเรียงลำดับในเขตข้อมูลสตริง (ถ้ามีค่า 1M, การค้นหาคีย์ 1M จะไม่ จิ๊บจ๊อย) คำถามสองข้อเกี่ยวกับเรื่องนี้:

1. มีการใช้สตริงที่ใช้ร่วมกันภายในแอปพลิเคชัน Excel หรือเมื่อบันทึกข้อมูลเท่านั้น
2. อะไรจะเป็นตัวอย่างอัลกอริธึมที่จะเรียงลำดับบนสนาม ภาษาใดก็ได้ (c, c #, c ++, python)

ฉันไม่สามารถค้นหาวิธีที่ Excel เก็บเซลล์ไว้อย่างแน่นอนด้วยSharedStringTableองค์ประกอบในหน่วยความจำขณะใช้งานจริง แต่การจัดเก็บพวกเขาเป็นดัชนีของรายการSharedStringTableต้องใช้ความสนใจพิเศษเพียงครั้งเดียวในการเข้าถึงพวกเขาโดยสมมติว่าองค์ประกอบนั้นถูกเก็บเป็นอาร์เรย์ ดังนั้นฉันเดาว่านี่เป็นวิธีที่ทำ นั่นคือวิธีที่ง่ายที่สุดและวิธีเดียวที่จะทำให้เร็วขึ้นคือการมีการแสดงแบบรันไทม์ของSharedStringTableองค์ประกอบที่เรียงลำดับแล้ว ในกรณีเช่นนี้การเรียงลำดับโดยดัชนีนั้นเทียบเท่ากับการเรียงลำดับตามค่า อย่างไรก็ตามวิธีการดังกล่าวทำให้การดำเนินการแทรกมีค่าใช้จ่ายสูงเมื่อสตริงใหม่ถูกแทรกลงในกลางตารางดัชนีทั้งหมดที่มีขนาดใหญ่กว่าที่ควรจะเพิ่มขึ้นและจำนวนของเซลล์ดังกล่าวในเอกสารอาจมีขนาดใหญ่มากจนถึงทั้งหมด SharedStringTableเซลล์หมายถึง

หากเซลล์มีดัชนีเหมือนกับในไฟล์นี่คือวิธีที่จะเรียงลำดับเซลล์ที่มีcolumnValueเวกเตอร์แสดงตามสตริงที่ชี้ไปที่เก็บไว้ในsharedStringsเวกเตอร์ (ใน C ++ เนื่องจากคุณบอกว่าไม่มีความแตกต่าง) ในราคา 2 ความพิเศษพิเศษต่อการเปรียบเทียบ:

// sort indexes from columnValue based on comparing values in sharedStrings
sort(columnValue.begin(), columnValue.end(), 
     [&sharedStrings](size_t i1, size_t i2){return sharedStrings[i1] < sharedStrings[i2];});

มันไม่ได้อยู่ใน OP แต่การSharedStringTableดำเนินการค้นหาแบบย้อนกลับนั้นช้าและองค์ประกอบแคชในพจนานุกรมช่วย

ตารางเงื่อนไขการแชร์ Microsoft Excel

ตารางสตริงที่แชร์คือและมาตรฐาน Open XML ตามที่กำหนดโดยมาตรฐาน ISO - ISO / IEC 29500-1: 2016 (E)

คำจำกัดความที่เป็นทางการของสตริงที่แชร์ (อ้างจากเอกสาร ISO)

ตารางสตริงที่ใช้ร่วมกัน

ค่าสตริงอาจถูกจัดเก็บโดยตรงภายในองค์ประกอบของเซลล์สเปรดชีต อย่างไรก็ตามการจัดเก็บค่าเดียวกันภายในองค์ประกอบหลายเซลล์อาจส่งผลให้ชิ้นส่วนของแผ่นงานมีขนาดใหญ่มากซึ่งอาจส่งผลให้ประสิทธิภาพลดลง ตารางสตริงที่ใช้ร่วมกันคือรายการดัชนีที่มีการจัดทำดัชนีของค่าสตริงซึ่งแบ่งใช้ทั่วทั้งเวิร์กบุ๊กซึ่งช่วยให้การนำไปใช้เพื่อจัดเก็บค่าเพียงครั้งเดียว

สามารถดาวน์โหลดมาตรฐาน ISO มาตรฐานของสตริงที่แชร์ได้

https://standards.iso.org/ittf/PubliclyAvailableStandards/c071691_ISO_IEC_29500-1_2016.zip

ตอบคำถามในหัวข้อนี้

คำถามที่ 1: มีการ ใช้สตริงที่ใช้ร่วมกันภายในแอปพลิเคชัน Excel หรือเมื่อบันทึกข้อมูลเท่านั้น

คำตอบ: Excel จะใช้สตริงที่ใช้ร่วมกันในขณะที่บันทึกเอกสาร IE เท่านั้นเพื่อจุดประสงค์ในการจัดเก็บสเปรดชีตเป็นไฟล์ในที่เก็บข้อมูล

อย่างไรก็ตามเมื่อไฟล์ถูกเปิดเพื่อแสดงผลเซลล์จะถูกเติมด้วยค่าสตริงจริงที่ดึงมาจากตารางสตริงที่แชร์

-

คำถามที่ 2:ตัวอย่างอัลกอริธึมที่จะเรียงลำดับบนฟิลด์นั้นคืออะไร? ภาษาใดก็ได้ (c, c #, c ++, python)

คำตอบ: สำหรับแอปพลิเคชันเช่น Excel ฉันคิดว่ารูปแบบพิเศษที่เป็นเอกสิทธิ์ของการ จัดเรียงด่วนเป็นอัลกอริทึมที่น่าจะใช้ในการเรียงลำดับตามค่าสตริง

Excel มีขีด จำกัด 1,048,576 แถว สำหรับขนาดนี้การจัดเรียงอย่างรวดเร็วเป็นผู้ชนะแน่นอน การเรียงลำดับแบบด่วนสามารถสร้างผลลัพธ์ที่มีประสิทธิภาพมากสำหรับชุดข้อมูลของขนาดนี้

นี่คือลิงค์สำหรับการนำไปใช้ของ Quick Sort ใน C ++ สำหรับการเรียงสตริง:

http://www.cplusplus.com/forum/beginner/101599/