NSHipster 项目解析:Objective-C 中的枚举器技术详解
2025-06-06 04:51:43作者:袁立春Spencer
在编程世界中,遍历集合是最基础也是最重要的操作之一。Objective-C 作为 C 语言和 Smalltalk 面向对象特性的结合体,提供了多种枚举集合的方式。本文将深入探讨 NSHipster 项目中关于 Objective-C 枚举器的技术细节,帮助开发者全面理解并选择最适合的枚举方式。
传统 C 语言循环
最基础的遍历方式是使用 C 风格的 for/while 循环:
for (NSUInteger i = 0; i < [array count]; i++) {
id object = array[i];
NSLog(@"%@", object);
}
这种方式虽然直接,但存在几个明显问题:
- 容易产生"差一错误"(off-by-one error)
- 代码冗长且重复
- 性能不是最优
现代 for/in 快速枚举
Objective-C 引入了更高级的 for/in 语法,这是基于 NSFastEnumeration 协议实现的:
for (id object in array) {
NSLog(@"%@", object);
}
NSFastEnumeration 协议解析
NSFastEnumeration 协议只定义了一个方法:
- (NSUInteger)countByEnumeratingWithState:(NSFastEnumerationState *)state
objects:(id *)stackbuf
count:(NSUInteger)len
这个看似简单的方法背后隐藏着复杂的实现细节:
- 状态管理:通过 NSFastEnumerationState 结构体维护枚举状态
- 缓冲区优化:使用 stackbuf 参数批量获取对象,提高性能
- 并发支持:内部实现可以并行加载对象
为什么快速枚举更快?
快速枚举的性能优势来自几个方面:
- 批量获取对象,减少方法调用开销
- 潜在的多线程优化
- 编译器层面的特殊优化
苹果官方推荐在可能的情况下优先使用快速枚举。
NSEnumerator:经典枚举器
在快速枚举出现之前,Objective-C 使用 NSEnumerator 进行集合遍历:
NSEnumerator *enumerator = [array objectEnumerator];
id object = nil;
while ((object = [enumerator nextObject])) {
NSLog(@"%@", object);
}
NSEnumerator 的核心方法:
nextObject:获取下一个对象allObjects:获取剩余所有对象
有趣的是,现代 NSEnumerator 也实现了 NSFastEnumeration 协议,这意味着你可以这样使用:
for (id object in enumerator) {
NSLog(@"%@", object);
}
NSEnumerator 的妙用
- 数组反转:
array.reverseObjectEnumerator.allObjects - 链式操作:通过第三方库实现类似 LINQ 的操作
- 随机枚举:使用 TTTRandomizedEnumerator 实现随机遍历
块枚举:灵活但稍慢的方式
随着块的引入,Objective-C 增加了基于块的枚举方式:
[array enumerateObjectsUsingBlock:^(id object, NSUInteger idx, BOOL *stop) {
NSLog(@"%@ at index %lu", object, idx);
if (shouldStop) {
*stop = YES; // 相当于 break
}
}];
块枚举的优势
- 索引信息:可以直接获取对象索引
- 提前终止:通过 stop 参数可以提前结束枚举
- 高级选项:支持并发和反向枚举
// 并发枚举示例
[array enumerateObjectsWithOptions:NSEnumerationConcurrent
usingBlock:^(id obj, NSUInteger idx, BOOL *stop) {
// 并行执行的代码
}];
性能对比与选择建议
- 性能排序:快速枚举 > 块枚举 ≈ NSEnumerator > C 循环
- 使用场景:
- 简单遍历:优先使用快速枚举
- 需要索引:考虑块枚举
- 特殊需求:反向/随机/链式操作
总结
Objective-C 的枚举技术演进展示了编程语言抽象的力量。从低级的指针操作到声明式的快速枚举,再到灵活的块枚举,每一代改进都带来了更好的性能和开发体验。
作为开发者,理解这些枚举方式的内部机制和适用场景,能够帮助我们编写出更高效、更易维护的代码。NSHipster 项目对这些技术的深入解析,为我们提供了宝贵的实践指导。
登录后查看全文
热门项目推荐
相关项目推荐
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
568
3.84 K
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
68
20
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
12
1
暂无简介
Dart
801
199
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.37 K
781
喝着茶写代码!最易用的自托管一站式代码托管平台,包含Git托管,代码审查,团队协作,软件包和CI/CD。
Go
24
0
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
349
202
Ascend Extension for PyTorch
Python
379
452
无需学习 Kubernetes 的容器平台,在 Kubernetes 上构建、部署、组装和管理应用,无需 K8s 专业知识,全流程图形化管理
Go
16
1