NSHipster 项目解析:Objective-C 中的枚举器技术详解
2025-06-06 19:28:29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
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python03
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
Spark-Prover-X1-7BSpark-Prover-X1-7B is a 7B-parameter large language model developed by iFLYTEK for automated theorem proving in Lean4. It generates complete formal proofs for mathematical theorems using a three-stage training framework combining pre-training, supervised fine-tuning, and reinforcement learning. The model achieves strong formal reasoning performance and state-of-the-art results across multiple theorem-proving benchmarksPython00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-X1-7BSpark-Formalizer-X1-7B is a 7B-parameter large language model by iFLYTEK for mathematical auto-formalization. It translates natural-language math problems into precise Lean4 formal statements, achieving high accuracy and logical consistency. The model is trained with a two-stage strategy combining large-scale pre-training and supervised fine-tuning for robust formal reasoning.Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile015
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
最新内容推荐
32位ECC纠错Verilog代码:提升FPGA系统可靠性的关键技术方案 ZLIB 1.3 静态库 Windows x64 版本:高效数据压缩解决方案完全指南 Jetson TX2开发板官方资源完全指南:从入门到精通 STDF-View解析查看软件:半导体测试数据分析的终极工具指南 2023年最新HTMLCSSJS组件库:提升前端开发效率的必备资源 Photoshop作业资源文件下载指南:全面提升设计学习效率的必备素材库 IEC61850建模工具及示例资源:智能电网自动化配置的完整指南 海康威视DS-7800N-K1固件升级包全面解析:提升安防设备性能的关键资源 PADS元器件位号居中脚本:提升PCB设计效率的自动化利器 PhysioNet医学研究数据库:临床数据分析与生物信号处理的权威资源指南
项目优选
收起
deepin linux kernel
C
24
7
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
306
2.71 K
仓颉编译器源码及 cjdb 调试工具。
C++
123
759
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
9
1
暂无简介
Dart
598
132
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.03 K
460
🎉 (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
1.06 K
616
Ascend Extension for PyTorch
Python
141
170
仓颉编程语言命令行工具,包括仓颉包管理工具、仓颉格式化工具、仓颉多语言桥接工具及仓颉语言服务。
C++
55
737
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
634
232