c++ 字母大小写转换代码，在一个字符串里大写转为小写，小写转为大写。_百度知道
c++ 字母大小写转换代码，在一个字符串里大写转为小写，小写转为大写。
#include&stdio.h&
#include&string.h&
void main()
char str[51],str1[21];
printf(&字符串1\n&);
scanf(&%s&,str);
strlwr(str)&&strupr(str);
printf(&转换结果:%s\n&,str);
哪位帮我看看，我想要的效果是类似于aaAA,转化成AAaa，弄...
我有更好的答案
异或一下就好了;i++)
str[i]=isalpha(str[i])?str[i]^32:str[i].h&void&main(void){ char&str[80]; int&i; printf(&输入一个字符串:&&); gets(str);%s\n&\0'; for(i=0;str[i]!='，大小写字母差着一个32*/#include&stdio.h>/*在C语言中是这样做的:&转换后的字符串; printf(&#include& ,str)
str[i]=isalpha(str[i])?str[i]^32:str[i];这一段有点复杂，可以有简单一点的表达吗？谢谢了！！不好意思了。。
str[i]=isalpha(str[i])?str[i]^32:str[i]三目运算符，看一下百科就明白了int isalpha(int)是ctype.h里的函数，是用来判断是不是字符的，str[i]^32是用来异或的，如果大写就变小写，小写就变大小写比如说大写字母A 的ASC值是 65 ，二进制格式是1000001小写字母a的ASC值是97 ，
二进制格式是1100001差值是32
采纳率：33%
&str[i] .jpg" esrc="&&main(){&&&&int& ：<img class="ikqb_img" src=");&&&-&z&&&ch&&=&&&ch&=&0;&i&&return&)&&&&{&&122)&&&Transform(const&char&ch);int .baidu,&转换结果:%s\n&;Transform(const&char&ch){&&&&if&(ch&char&& ://c;=&Transform(str1[i])//////////////////////////////////////////////////////////////////////#include&&stdio.h>.hiphotos.baidu.com/zhidao/wh%3D450%2C600/sign=c452650dbb389b5038aae856b005c9eb/d0d5ca7bcb0a46d463; 
好厉害！！前面还可以看懂，可是后面的0xDF，0x20，是什么意思没有明白，可以麻烦你解释一下吗？谢谢了！！
ch&&&0xDF;//&相当于ch-32ch&|&0x20;//&相当于ch+32
你好！！&&&&程序给你，你看看吧，有问题再问，满意请采纳#include&&iostream&using&namespace&int&main(){
&&i++;&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&//下标后移，取下一字母 &} &return&0;}
为您推荐：
其他类似问题
换一换
回答问题，赢新手礼包
个人、企业类
违法有害信息,请在下方选择后提交
色情、暴力
我们会通过消息、邮箱等方式尽快将举报结果通知您。paul hsieh- 几个经典汇编段子的实验 (gcd/转化大小写等)
标 题：paul hsieh- 几个经典汇编段子的实验 (gcd/转化大小写等)
作 者：XPoy
时 间：<font color="#11-04-30 08:49:49 链 接：
我正在学习一个delphi程序的逆向，在一大串字符串处理库函数中总碰到调用一个奇怪的函数，这个函数里的特点是有0xx7B7B7B7B、0xxu这4个数，而且计算方式非常奇怪。就像处理数组一样的循环。因为碰到了很多次，就想分析下功能，本着懒人勤google的精神，找到了这篇文章，看完后大呼过瘾，然后非常失望的发现delphi库文件里的这种写法还是没看懂。就想翻译过来深入理解下，助人助己&/:^]
因为我主要是翻译这文章结尾的部分，前面的只能算流水席一样的边看边翻译过来，希望各路大牛看到有翻译问题的地方不吝赐教。有处理过类似问题的朋友也请说说你的经验，交流为主。
Assembly&Language&Lab
Copyright&&by&Paul&Hsieh
这个页面的主要目的是给已经对汇编和c语言有一些了解的人们准备的，目的是让有基础的你们看到为什么会需要用汇编在c代码里直写代码。原因就是，当然是在我的观点里，太多太多不在这儿的程序员们，他们就根本不了解我们手写汇编能够创造出些什么东西来。我希望对这个不对劲的情况做点什么。如果你有其他的相关例子，或者什么信息(挑战)等等相关到这个页面内容的，不用犹豫，快mail给我&http://www.azillionmonkeys.com/qed/mailme.html
5.1&修正了一些翻译的意思错误/:^S&，修正部分在文章结尾的&&64&bit&int的问题&和&63&bit&原子计数器&&里。
|||||||||||||||||||||||||||||||||||||||||
1.GCD&(最大公约数)
&&&&在asm&X86计算机上,Jon&Kirwan曾经像游戏对抗一样统计过各种编译器对这个函数的优化输出结果。这个c语言实现的这个&最大公约数&函数:
&&&&!!!C&CODE!!!!!!!!!!!!!!
&&&&&&&&unsigned&int&gcd&(unsigned&int&a,&unsigned&int&b)
&&&&&&&&&&&&if&(a&==&0&&&b&==&0)
&&&&&&&&&&&&&&&&b&=&1;
&&&&&&&&&&&&else&if&(b&==&0)
&&&&&&&&&&&&&&&&b&=&a;
&&&&&&&&&&&&else&if&(a&!=&0)
&&&&&&&&&&&&&&&&while&(a&!=&b)
&&&&&&&&&&&&&&&&&&&&if&(a&&b)
&&&&&&&&&&&&&&&&&&&&&&&&b&-=&a;
&&&&&&&&&&&&&&&&&&&&else
&&&&&&&&&&&&&&&&&&&&&&&&a&-=&b;
&&&&&&&&&&&&return&b;
&&&&!!!!!!!!!!!!!!!!!!!!!!
&&&&在这儿列出来我最喜欢的c编译器的结果，它带着&/os/s选项(optimize&size,优化大小;关闭堆栈(stack)环境保护;其他的优化选项在这个例子上没什么作用)，来和一个人类汇编代码选手的作品比比。
&&&&这是编译器选手的:
&&&&!!!!!!ASM&CODE!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!
&&&&&&&&;&WATCOM&C/C++&v10.0a&output
&&&&&&&&&gcd:&&&mov&&&&&ebx,eax
&&&&&&&&&&&&&&&&mov&&&&&eax,edx
&&&&&&&&&&&&&&&&test&&&&ebx,ebx
&&&&&&&&&&&&&&&&jne&&&&&L1
&&&&&&&&&&&&&&&&test&&&&edx,edx
&&&&&&&&&&&&&&&&jne&&&&&L1
&&&&&&&&&&&&&&&&mov&&&&&eax,1
&&&&&&&&&&&&&&&&ret
&&&&&&&&&L1:&&&&test&&&&eax,eax
&&&&&&&&&&&&&&&&jne&&&&&L2
&&&&&&&&&&&&&&&&mov&&&&&eax,ebx
&&&&&&&&&&&&&&&&ret
&&&&&&&&&L2:&&&&test&&&&ebx,ebx
&&&&&&&&&&&&&&&&je&&&&&&L5
&&&&&&&&&L3;&&&&cmp&&&&&ebx,eax
&&&&&&&&&&&&&&&&je&&&&&&L5
&&&&&&&&&&&&&&&&jae&&&&&L4
&&&&&&&&&&&&&&&&sub&&&&&eax,ebx
&&&&&&&&&&&&&&&&jmp&&&&&L3
&&&&&&&&&L4:&&&&sub&&&&&ebx,eax
&&&&&&&&&&&&&&&&jmp&&&&&L3
&&&&&&&&&L5:&&&&ret
&&&&!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!
&&&&这是人类选手的:
&&&&!!!!!!ASM&CODE!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!
&&&&&&&&;&Author:&Paul&Hsieh
&&&&&&&&&gcd:&&&neg&&&&&eax
&&&&&&&&&&&&&&&&je&&&&&&L3
&&&&&&&&&L1:&&&&neg&&&&&eax
&&&&&&&&&&&&&&&&xchg&&&&eax,edx
&&&&&&&&&L2:&&&&sub&&&&&eax,edx
&&&&&&&&&&&&&&&&jg&&&&&&L2
&&&&&&&&&&&&&&&&jne&&&&&L1
&&&&&&&&&L3:&&&&add&&&&&eax,edx
&&&&&&&&&&&&&&&&jne&&&&&L4
&&&&&&&&&&&&&&&&inc&&&&&eax
&&&&&&&&&L4:&&&&ret
&&&&!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!
&&&&一个尤其突出的劣势是这个编译器不大确定怎么分配寄存器。但更明显的是一比起人类选手，它还忘掉了其他一大堆的优化。不论速度还是代码大小都显得没点点可比性。当然了，作为一个人类选手，我有巨大的一大大坨坨优势，很明显我可以看到这里面的数学逻辑关系，但所有的C编译器都不行。
&&&&即使xchg不算一个特别特别快的intel指令，它的出现还是使代码变得非常紧凑，而且还可能在性能上让整个函数需要的时间一个CPU周期还短。代码可以看得到的主要流程就是能够在一个指令预读取缓冲里保存下来(16bytes大小)。
&&&&上面的情况里，我想到的可能性里有一个虽然，讨论上面的算法实际所产生的性能是没意思而且不用试的，CPU对跳转目标的错误预测产生的性能惩罚才是这里面占用时间最多的部分，不是代码。
&&&&这个是作者从最老时候的文章起，后来更新的部分，之后这样的部分都用&update:&代替标识&1:
&&&&随着现代CPUs们的来临，像Alpha,&Pentium-II,&Athlon们都拥有了更长的指令缓冲流水线，换句话说它里面缓冲的跳转们更多了，为了修正错误的跳转预测以避开性能惩罚。(这个&bad&branch&misprediction有专业术语，在深入理解计算机系统里有写，叫分支误预测)我们可以用&min&()和&max()来减掉代码包含的大部分&if&()语句:
&&&&!!!!!!!!C&CODE!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!
&&&&&&&&&&&&&&&x&=&min(a,b);
&&&&&&&&&&&&&&&&y&=&max(a,b);
&&&&&&&&&&&&&&&&while(&y!=&0&)&{
&&&&&&&&&&&&&&&&&&&&x&=&min(x,y-x);&&&&&//&min(x,y-x)
&&&&&&&&&&&&&&&&&&&&y&-=&x;&&&&&&&&&&&&&//&(y-x)+(x)&-&min(x,y-x)
&&&&&&&&&&&&&&&&}
&&&&!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!
&&&&然后，在一个32位的机子上面，
&&&&&&min(x,y)&=&y+((x-y)&&31)&(x-y)
&&&&这样再经过适当的语句替换，我们得到了:
&&&&!!!!!!C&CODE!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!
&&&&&&&&int&gcd(int&x,&int&y)&{
&&&&&&&&int&t;
&&&&&&&&&&&&y&+=&x;
&&&&&&&&&&&&if(y==0)
&&&&&&&&&&&&&&&&y=1;
&&&&&&&&&&&&else&do&{
&&&&&&&&&&&&&&&&x&+=&x;
&&&&&&&&&&&&&&&&t&=&y-x;&&&&&&&&&&&&//&(y-x)&-&(x)
&&&&&&&&&&&&&&&&x&&&=&1;
&&&&&&&&&&&&&&&&x&+=&(t&&31)&t;&&&&&//&min(y-x,x)
&&&&&&&&&&&&&&&&y&-=&x;&&&&&&&&&&&&&//&(y-x)+(x)-min(x,y-x)&==&max(x,y-x)
&&&&&&&&&&&&}&while(x!=0);
&&&&&&&&&&&&return&y;
&&&&!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!
&&&&然后我们再用这个算法来玩一下编译器vs人类选手的游戏
&&&&编译器选手:
&&&&!!!!!!!ASM&CODE!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!
&&&&&&&&;&WATCOM&C/C++&v10.0a&output
&&&&&&&&&gcd:&add&&&&&edx,eax
&&&&&&&&&&&&&&jne&&&&&L1
&&&&&&&&&&&&&&mov&&&&&eax,1
&&&&&&&&&&&&&&jmp&&&&&L2
&&&&&&&&&L1:&&mov&&&&&ebx,edx&;&1&dep:&edx
&&&&&&&&&&&&&&add&&&&&eax,eax&;&1
&&&&&&&&&&&&&&sub&&&&&ebx,eax&;&2&dep:&eax
&&&&&&&&&&&&&&mov&&&&&ecx,ebx&;&3&dep:&ebx
&&&&&&&&&&&&&&sar&&&&&ecx,1fH&;&4&dep:&ecx
&&&&&&&&&&&&&&sar&&&&&eax,1&&&;&4/5&shifters
&&&&&&&&&&&&&&and&&&&&ebx,ecx&;&5&dep:&ecx
&&&&&&&&&&&&&&add&&&&&eax,ebx&;&6&dep:&ebx
&&&&&&&&&&&&&&sub&&&&&edx,eax&;&7&dep:&eax
&&&&&&&&&&&&&&test&&&&eax,eax&;&7
&&&&&&&&&&&&&&jne&&&&&L1&&&&&&;&7
&&&&&&&&&&&&&&mov&&&&&eax,edx
&&&&&&&&L2:
&&&&!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!
&&&&人类选手:
&&&&!!!!!!!!ASM&CODE!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!
&&&&&&&&;&Author:&Paul&Hsieh
&&&&&&&&&gcd:&add&&&&&edx,eax
&&&&&&&&&&&&&&jne&&&&&L1
&&&&&&&&&&&&&&mov&&&&&eax,1
&&&&&&&&&&&&&&jmp&&&&&L2
&&&&&&&&&L1:&&mov&&&&&ebx,edx&;&1&dep:&edx
&&&&&&&&&&&&&&add&&&&&eax,eax&;&1
&&&&&&&&&&&&&&sub&&&&&ebx,eax&;&2&dep:&eax
&&&&&&&&&&&&&&shr&&&&&eax,1&&&;&2
&&&&&&&&&&&&&&mov&&&&&ecx,ebx&;&3&dep:&ebx
&&&&&&&&&&&&&&sar&&&&&ebx,1fH&;&3
&&&&&&&&&&&&&&and&&&&&ebx,ecx&;&4&dep:&ecx
&&&&&&&&&&&&&&add&&&&&eax,ebx&;&5&dep:&ebx
&&&&&&&&&&&&&&sub&&&&&edx,eax&;&6&dep:&eax
&&&&&&&&&&&&&&test&&&&eax,eax&;&6
&&&&&&&&&&&&&&jne&&&&&L1&&&&&&;&6
&&&&&&&&&&&&&&mov&&&&&eax,edx
&&&&&&&&L2:
&&&&!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!
&&&&看样子，人类选手vs编译器的asm依然是领先的，但是理论上，一个足够好的编译器，在分解了数学运算后，是能够得到和人类选手相当的结果的。不像第一轮，这个函数的性能是值得试验试验的
&&&&update补充&2:
&&&&&&&&算法的改进:
&&&&&&&&Michael&Abrash的作品&The&Zen&of&Code&Optimization&里说到，单纯的减法运算速度相对而言太慢了(这个说法我实际测试后发现不太对)。而且我还得到一些朋友们的反馈信息，说是对于一些特殊的大数，除相对其他算法而言速度还更快。还有，在怎么处理gcd这块冰激凌上还有一块冰，这个新东西来自&Handbook&of&Applied&Cryptography&&(ISBN&0-)，他们给出了一个&除以2的倍数&的算法，看样子这算是一个折中的解决办法(只是它也是会会受分支误预测的影响)。我需要再研究研究这个，也许会修改这地方记录的结果。当然，你们分析的发过来我也很是欢迎的。
&&&&update补充&3:
&&&&&&&&这是一段为了gcd这段文章完整性而说的，我介绍下我找了这么多外部文章，我找到了的这个算法是什么样的。我用了一个经典的算法，不用减、不用除，我们在算法里把二个数先(尽可能的)除以，较小的一个数所能除出整数商的最大的二的乘方，当我们得到尽可能小的a和b二个数时，我们查一个表就可以得到他们的gcd了。(那个表没列在这儿的代码里)。
&&&&&&&&!!!!!!!C&CODE&!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!
&&&&&&&&&&&&#define&SLIM&(64)
&&&&&&&&&&&&static&unsigned&smallGcds[SLIM][SLIM];
&&&&&&&&&&&&static&unsigned&uintGcd&(unsigned&a,&unsigned&b)&{
&&&&&&&&&&&&unsigned&c,&d;
&&&&&&&&&&&&&&&&/*&Divide&out&low&powers&of&2&if&we&can&(to&decrease&a,&b)&*/
&&&&&&&&&&&&&&&&d&=&1;
&&&&&&&&&&&&&&&&while&(((a|b)&&&1)&==&0)&{
&&&&&&&&&&&&&&&&&&&&a&&&=&1;
&&&&&&&&&&&&&&&&&&&&b&&&=&1;
&&&&&&&&&&&&&&&&&&&&d&&&=&1;
&&&&&&&&&&&&&&&&}
&&&&&&&&&&&&&&&&goto&
&&&&&&&&&&&&&&&&do&{
&&&&&&&&&&&&&&&&&&&&/*&Find&largest&2^t*b,&less&than&a&*/
&&&&&&&&&&&&&&&&&&&&c&=&b;
&&&&&&&&&&&&&&&&&&&&do&{&c&+=&c;&}&while&(c&&=&a);
&&&&&&&&&&&&&&&&&&&&/*&a&-=&2^t*b&*/
&&&&&&&&&&&&&&&&&&&&a&-=&(c&&&&1);
&&&&&&&&&&&&&&&&&&&&start:;
&&&&&&&&&&&&&&&&&&&&/*&Make&sure&a&&&b,&and&b&!=&0&*/
&&&&&&&&&&&&&&&&&&&&if&(a&&&b)&{&
&&&&&&&&&&&&&&&&&&&&&&&&if&(a&==&0)&return&d&*&b;
&&&&&&&&&&&&&&&&&&&&&&&&c&=&a;&a&=&b;&b&=&c;&
&&&&&&&&&&&&&&&&&&&&}
&&&&&&&&&&&&&&&&}&while&(a&&=&SLIM);
&&&&&&&&&&&&&&&&/*&Return&with&precalculated&small&gcds&*/
&&&&&&&&&&&&&&&&return&d&*&smallGcds[a][b];
&&&&&&&&&&&&}
&&&&&&&&!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!
&&&&&&&&很明显，有些特殊的参数需要先检查下&(a=&0,&b=&0会把这段代码弄进一个无限循环里)。
&&&&&&&&我相信这个代码还有些改进空间，可以在查询表的过程中，把每个操作数的几个bits用在一次查询里(上面的代码查询的二级表分别查询了a和b在表的位置，这句话我很困惑,原文-----)，这样变成一个线性数组的查询，也就可以把几步代码优化成一句。所以我会在解决算法上的这个问题前，先在汇编上避开对这个的优化。
&&&&&&&&原文------:&believe&that&it&might&be&possible&to&improve&upon&this&by&performing&table&look&ups&on&several&bits&of&each&operand&at&once&which&could&give&prime&linear&factors&which&could&be&used&to&reduce&the&operands&by&several&steps&in&one&shot.
&&&&Update&4:
&&&&&&&&有几位读者的建议引起了我的注意，第一个是来自&Pat&D(http://groups.google.com/groups?hl=en&lr=&ie=UTF-8&oe=UTF-8&c2coff=1&safe=off&selm=81rg79%245lg%242%40autumn.news.rcn.net)的:
&&&&&&&&!!!!ASM&CODE!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!
&&&&&&&&&&&&;&int&gcdAsm(int&a,&int&b)
&&&&&&&&&&&&;
&&&&&&&&&&&&;&computes&gcd(a,b)&according&to:
&&&&&&&&&&&&;&1.&a&even,&b&&&even:&gcd(a,b)&=&2&*&gcd(a/2,b/2),&
&&&&&&&&&&&&;&&&&and&remember&how&often&this&happened
&&&&&&&&&&&&;&2.&a&even,&b&uneven:&gcd(a,b)&=&gcd(a/2,b)
&&&&&&&&&&&&;&3.&a&uneven,&b&&&even:&gcd(a,b)&=&gcd(a,b/2)
&&&&&&&&&&&&;&4.&a&uneven,&b&uneven:&a&b&?&a&-=&b&:&b&-=&a,&
&&&&&&&&&&&&;&&&&i.e.&gcd(a,b)&=&gcd(min(a,b),max(a,b)&-&min(a,b))
&&&&&&&&&&&&;&do&1.,&repeat&2.&-&4.&until&a&=&0&or&b&=&0
&&&&&&&&&&&&;&return&(a&+&b)&corrected&by&the&remembered&value&from&1.
&&&&&&&&&&&&&&&&BITS&32
&&&&&&&&&&&&&&&&GLOBAL&_gcdAsm
&&&&&&&&&&&&&&&&SECTION&.text
&&&&&&&&&&&&_gcdAsm:
&&&&&&&&&&&&&&&&push&ebp
&&&&&&&&&&&&&&&&mov&ebp,esp
&&&&&&&&&&&&&&&&push&ebx
&&&&&&&&&&&&&&&&push&ecx
&&&&&&&&&&&&&&&&push&edx
&&&&&&&&&&&&&&&&push&edi
&&&&&&&&&&&&&&&&mov&eax,[ebp&+&8]&&&;&eax&=&a&(0&&=&a&&=&2^31&-&1)
&&&&&&&&&&&&&&&&mov&ebx,[ebp&+&12]&&;&ebx&=&b&(0&&=&b&&=&2^31&-&1)
&&&&&&&&&&&&&&&&;&by&definition:&gcd(a,0)&=&a,&gcd(0,b)&=&b,&gcd(0,0)&=&1&!
&&&&&&&&&&&&&&&&mov&ecx,eax
&&&&&&&&&&&&&&&&or&ecx,ebx
&&&&&&&&&&&&&&&&bsf&ecx,ecx&&&&&&&&&;&greatest&common&power&of&2&of&a&and&b
&&&&&&&&&&&&&&&&jnz¬Both0
&&&&&&&&&&&&&&&&mov&eax,1&&&&&&&&&&&;&if&a&=&0&and&b&=&0,&return&1
&&&&&&&&&&&&&&&&jmp&done
&&&&&&&&&&&¬Both0:
&&&&&&&&&&&&&&&&mov&edi,ecx
&&&&&&&&&&&&&&&&test&eax,eax
&&&&&&&&&&&&&&&&jnz&aNot0
&&&&&&&&&&&&&&&&mov&eax,ebx&&&&&&&&&;&if&a&=&0,&return&b
&&&&&&&&&&&&&&&&jmp&done
&&&&&&&&&&&&aNot0:
&&&&&&&&&&&&&&&&test&ebx,ebx
&&&&&&&&&&&&&&&&jz&done&&&&&&&&&&&&&;&if&b&=&0,&return&a
&&&&&&&&&&&&&&&&bsf&ecx,eax&&&&&&&&&;&&simplify&&a&as&much&as&possible
&&&&&&&&&&&&&&&&shr&eax,cl
&&&&&&&&&&&&&&&&bsf&ecx,ebx&&&&&&&&&;&&simplify&&b&as&much&as&possible
&&&&&&&&&&&&&&&&shr&ebx,cl
&&&&&&&&&&&&mainLoop:
&&&&&&&&&&&&&&&&mov&ecx,ebx
&&&&&&&&&&&&&&&&sub&ecx,eax&&&&&&&&&;&b&-&a
&&&&&&&&&&&&&&&&sbb&edx,edx&&&&&&&&&;&edx&=&0&if&b&&=&a&or&-1&if&a&&&b
&&&&&&&&&&&&&&&&and&ecx,edx&&&&&&&&&;&ecx&=&0&if&b&&=&a&or&b&-&a&if&a&&&b
&&&&&&&&&&&&&&&&add&eax,ecx&&&&&&&&&;&a-new&=&min(a,b)
&&&&&&&&&&&&&&&&sub&ebx,ecx&&&&&&&&&;&b-new&=&max(a,b)
&&&&&&&&&&&&&&&&sub&ebx,eax&&&&&&&&&;&the&difference&is&&=&0
&&&&&&&&&&&&&&&&bsf&ecx,eax&&&&&&&&&;&&simplify&&as&much&as&possible&by&2
&&&&&&&&&&&&&&&&shr&eax,cl
&&&&&&&&&&&&&&&&bsf&ecx,ebx&&&&&&&&&;&&simplify&&as&much&as&possible&by&2
&&&&&&&&&&&&&&&&shr&ebx,cl
&&&&&&&&&&&&&&&&jnz&mainLoop&&&&&&&&;&keep&looping&until&ebx&=&0
&&&&&&&&&&&&&&&&mov&ecx,edi&&&&&&&&&;&shift&back&with&common&power&of&2
&&&&&&&&&&&&&&&&shl&eax,cl
&&&&&&&&&&&&done:
&&&&&&&&&&&&&&&&pop&edi
&&&&&&&&&&&&&&&&pop&edx
&&&&&&&&&&&&&&&&pop&ecx
&&&&&&&&&&&&&&&&pop&ebx
&&&&&&&&&&&&&&&&mov&esp,ebp
&&&&&&&&&&&&&&&&pop&ebp
&&&&&&&&&&&&&&&&ret&&&&&&&&&&&&&&&&&;&eax&=&gcd(a,b)
&&&&&&&&&&&&;&int&gcdAsm(int&a,&int&b)
&&&&&&&&&&&&;
&&&&&&&&&&&&;&computes&gcd(a,b)&according&to:
&&&&&&&&&&&&;&1.&a&even,&b&&&even:&gcd(a,b)&=&2&*&gcd(a/2,b/2),&
&&&&&&&&&&&&;&&&&and&remember&how&often&this&happened
&&&&&&&&&&&&;&2.&a&even,&b&uneven:&gcd(a,b)&=&gcd(a/2,b)
&&&&&&&&&&&&;&3.&a&uneven,&b&&&even:&gcd(a,b)&=&gcd(a,b/2)
&&&&&&&&&&&&;&4.&a&uneven,&b&uneven:&a&b&?&a&-=&b&:&b&-=&a,&
&&&&&&&&&&&&;&&&&i.e.&gcd(a,b)&=&gcd(min(a,b),max(a,b)&-&min(a,b))
&&&&&&&&&&&&;&do&1.,&repeat&2.&-&4.&until&a&=&0&or&b&=&0
&&&&&&&&&&&&;&return&(a&+&b)&corrected&by&the&remembered&value&from&1.
&&&&&&&&&&&&&&&&BITS&32
&&&&&&&&&&&&&&&&GLOBAL&_gcdAsm
&&&&&&&&&&&&&&&&SECTION&.text
&&&&&&&&&&&&_gcdAsm:
&&&&&&&&&&&&&&&&push&ebp
&&&&&&&&&&&&&&&&mov&ebp,esp
&&&&&&&&&&&&&&&&push&ebx
&&&&&&&&&&&&&&&&push&ecx
&&&&&&&&&&&&&&&&push&edx
&&&&&&&&&&&&&&&&push&edi
&&&&&&&&&&&&&&&&mov&eax,[ebp&+&8]&&&;&eax&=&a&(0&&=&a&&=&2^31&-&1)
&&&&&&&&&&&&&&&&mov&ebx,[ebp&+&12]&&;&ebx&=&b&(0&&=&b&&=&2^31&-&1)
&&&&&&&&&&&&&&&&;&by&definition:&gcd(a,0)&=&a,&gcd(0,b)&=&b,&gcd(0,0)&=&1&!
&&&&&&&&&&&&&&&&mov&ecx,eax
&&&&&&&&&&&&&&&&or&ecx,ebx
&&&&&&&&&&&&&&&&bsf&ecx,ecx&&&&&&&&&;&greatest&common&power&of&2&of&a&and&b
&&&&&&&&&&&&&&&&jnz¬Both0
&&&&&&&&&&&&&&&&mov&eax,1&&&&&&&&&&&;&if&a&=&0&and&b&=&0,&return&1
&&&&&&&&&&&&&&&&jmp&done
&&&&&&&&&&&¬Both0:
&&&&&&&&&&&&&&&&mov&edi,ecx
&&&&&&&&&&&&&&&&test&eax,eax
&&&&&&&&&&&&&&&&jnz&aNot0
&&&&&&&&&&&&&&&&mov&eax,ebx&&&&&&&&&;&if&a&=&0,&return&b
&&&&&&&&&&&&&&&&jmp&done
&&&&&&&&&&&&aNot0:
&&&&&&&&&&&&&&&&test&ebx,ebx
&&&&&&&&&&&&&&&&jz&done&&&&&&&&&&&&&;&if&b&=&0,&return&a
&&&&&&&&&&&&&&&&bsf&ecx,eax&&&&&&&&&;&&simplify&&a&as&much&as&possible
&&&&&&&&&&&&&&&&shr&eax,cl
&&&&&&&&&&&&&&&&bsf&ecx,ebx&&&&&&&&&;&&simplify&&b&as&much&as&possible
&&&&&&&&&&&&&&&&shr&ebx,cl
&&&&&&&&&&&&mainLoop:
&&&&&&&&&&&&&&&&mov&ecx,ebx
&&&&&&&&&&&&&&&&sub&ecx,eax&&&&&&&&&;&b&-&a
&&&&&&&&&&&&&&&&sbb&edx,edx&&&&&&&&&;&edx&=&0&if&b&&=&a&or&-1&if&a&&&b
&&&&&&&&&&&&&&&&and&ecx,edx&&&&&&&&&;&ecx&=&0&if&b&&=&a&or&b&-&a&if&a&&&b
&&&&&&&&&&&&&&&&add&eax,ecx&&&&&&&&&;&a-new&=&min(a,b)
&&&&&&&&&&&&&&&&sub&ebx,ecx&&&&&&&&&;&b-new&=&max(a,b)
&&&&&&&&&&&&&&&&sub&ebx,eax&&&&&&&&&;&the&difference&is&&=&0
&&&&&&&&&&&&&&&&bsf&ecx,eax&&&&&&&&&;&&simplify&&as&much&as&possible&by&2
&&&&&&&&&&&&&&&&shr&eax,cl
&&&&&&&&&&&&&&&&bsf&ecx,ebx&&&&&&&&&;&&simplify&&as&much&as&possible&by&2
&&&&&&&&&&&&&&&&shr&ebx,cl
&&&&&&&&&&&&&&&&jnz&mainLoop&&&&&&&&;&keep&looping&until&ebx&=&0
&&&&&&&&&&&&&&&&mov&ecx,edi&&&&&&&&&;&shift&back&with&common&power&of&2
&&&&&&&&&&&&&&&&shl&eax,cl
&&&&&&&&&&&&done:
&&&&&&&&&&&&&&&&pop&edi
&&&&&&&&&&&&&&&&pop&edx
&&&&&&&&&&&&&&&&pop&ecx
&&&&&&&&&&&&&&&&pop&ebx
&&&&&&&&&&&&&&&&mov&esp,ebp
&&&&&&&&&&&&&&&&pop&ebp
&&&&&&&&&&&&&&&&ret&&&&&&&&&&&&&&&&&;&eax&=&gcd(a,b)
&&&&&&&&!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!
&&&&&&&&第二个是来自Ville&Miettinen，他是工作在(或以前工作在)&hybrid&graphics&(http://www.hybrid.fi/)的，他的代码使用到了cmovCC&指令:
&&&&&&&&&&&&!!!!!!!ASM&CODE!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!
&&&&&&&&&&&&/*---------------------------------------------------//*!
&&&&&&&&&&&&&*&brief&&&Computes&GCD&of&two&32-bit&unsigned&integers
&&&&&&&&&&&&&*¶m&&&x&First&unsigned&integer
&&&&&&&&&&&&&*¶m&&&y&Second&unsigned&integer
&&&&&&&&&&&&&*&return&&gcd(x,y)
&&&&&&&&&&&&&*¬e&&&&gcd(x,0)&-&&x,&gcd(0,y)&-&&y
&&&&&&&&&&&&&*¬e&&&&Implemented&in&x86&assembler&(PentiumPro&and&
&&&&&&&&&&&&&*&&&&&&&&&above&only&as&cmov&instructions&are&used)
&&&&&&&&&&&&&*¬e&&&&Send&all&comments/whines&to&wili@hybrid.fi
&&&&&&&&&&&&&*&todo&&&&[wili&021026]&Implement&another&version&that&
&&&&&&&&&&&&&*&&&&&&&&&uses&sbb&trickery&rather&than&cmov&
&&&&&&&&&&&&&*&&&&&&&&&instructions
&&&&&&&&&&&&&*-----------------------------------------------------*/
&&&&&&&&&&&&#pragma&warning(disable:4035)&//&no&missing&return&value
&&&&&&&&&&&&inline&unsigned&int&gcd&(Uint32&x,&Uint32&y)&{
&&&&&&&&&&&&&&__asm&{
&&&&&&&&&&&&&&&&mov&&&ecx,&dword&ptr&[y]
&&&&&&&&&&&&&&&&mov&&&edx,&dword&ptr&[x]
&&&&&&&&&&&&&&&&test&&ecx,&ecx
&&&&&&&&&&&&&&&&mov&&&eax,&edx
&&&&&&&&&&&&&&&&je&&&&done&&&&&&&&&&&&&&&;//&if&(y&=&0)&-&&return&x
&&&&&&&&&&&&&&&&test&&eax,&eax
&&&&&&&&&&&&&&&&mov&&&eax,&ecx
&&&&&&&&&&&&&&&&je&&&&done&&&&&&&&&&&&&&&;//&if&(x&=&0)&-&&return&y
&&&&&&&&&&&&&&&&push&&edi
&&&&&&&&&&&&&&&&bsf&&&ebx,&eax&&&&&&&&&&&;//&ebx&=&trailingZeroes(y)
&&&&&&&&&&&&&&&&bsf&&&ecx,&edx&&&&&&&&&&&;//&ecx&=&trailingZeroes(x)
&&&&&&&&&&&&&&&&cmp&&&ebx,&ecx
&&&&&&&&&&&&&&&&mov&&&edi,&ecx
&&&&&&&&&&&&&&&&cmovl&edi,&ebx&&&&&&&&&&&;//&edi&=&min(ebx,ecx)
&&&&&&&&&&&&&&&&shr&&&edx,&cl&&&&&&&&&&&&;//&x&&&=&trailingzeroes(x)
&&&&&&&&&&&&&&&&mov&&&ecx,&ebx
&&&&&&&&&&&&&&&&shr&&&eax,&cl&&&&&&&&&&&&;//&y&&&=&trailingzeroes(y)
&&&&&&&&&&&&&&&&align&8
&&&&&&&&&&&&&&mainloop:&&&&&&&&&&&&&&&&&&;//&for&(;;)
&&&&&&&&&&&&&&&&cmp&&&eax,&edx
&&&&&&&&&&&&&&&&mov&&&ecx,&eax
&&&&&&&&&&&&&&&&je&&&&skiploop&&&&&&&&&&&;//&if&(x&==&y)&-&&break
&&&&&&&&&&&&&&&&cmovb&eax,&edx
&&&&&&&&&&&&&&&&cmovb&edx,&ecx&&&&&&&&&&&;//&if&(y&&&x)&swap(x,y)
&&&&&&&&&&&&&&&&sub&&&eax,&edx&&&&&&&&&&&;//&x&-=&y
&&&&&&&&&&&&&&&&bsf&&&ecx,&eax
&&&&&&&&&&&&&&&&shr&&&eax,&cl&&&&&&&&&&&&;//&x&&&=&trailingzeroes(x)
&&&&&&&&&&&&&&&&jmp&&&mainloop
&&&&&&&&&&&&&&&&align&8
&&&&&&&&&&&&&&skiploop:
&&&&&&&&&&&&&&&&mov&&&ecx,&edi
&&&&&&&&&&&&&&&&shl&&&eax,&cl&&&&&&&&&&&&;//&return&x&&finalShiftLeft
&&&&&&&&&&&&&&&&pop&&&edi
&&&&&&&&&&&&&&done:&&&&&&&&&&&&&&&&&&&&&&;//&return&value&in&eax
&&&&&&&&&&&&&&}
&&&&&&&&&&&&}
&&&&&&&&&&&&#pragma&warning(default:4035)
&&&&&&&&&&&&/*---------------------------------------------------//*!
&&&&&&&&&&&&&*&brief&&&Computes&GCD&of&two&32-bit&unsigned&integers
&&&&&&&&&&&&&*¶m&&&x&First&unsigned&integer
&&&&&&&&&&&&&*¶m&&&y&Second&unsigned&integer
&&&&&&&&&&&&&*&return&&gcd(x,y)
&&&&&&&&&&&&&*¬e&&&&gcd(x,0)&-&&x,&gcd(0,y)&-&&y
&&&&&&&&&&&&&*¬e&&&&Implemented&in&x86&assembler&(PentiumPro&and&
&&&&&&&&&&&&&*&&&&&&&&&above&only&as&cmov&instructions&are&used)
&&&&&&&&&&&&&*¬e&&&&Send&all&comments/whines&to&wili@hybrid.fi
&&&&&&&&&&&&&*&todo&&&&[wili&021026]&Implement&another&version&that&
&&&&&&&&&&&&&*&&&&&&&&&uses&sbb&trickery&rather&than&cmov&
&&&&&&&&&&&&&*&&&&&&&&&instructions
&&&&&&&&&&&&&*-----------------------------------------------------*/
&&&&&&&&&&&&#pragma&warning(disable:4035)&//&no&missing&return&value
&&&&&&&&&&&&inline&unsigned&int&gcd&(Uint32&x,&Uint32&y)&{
&&&&&&&&&&&&&&__asm&{
&&&&&&&&&&&&&&&&mov&&&ecx,&dword&ptr&[y]
&&&&&&&&&&&&&&&&mov&&&edx,&dword&ptr&[x]
&&&&&&&&&&&&&&&&test&&ecx,&ecx
&&&&&&&&&&&&&&&&mov&&&eax,&edx
&&&&&&&&&&&&&&&&je&&&&done&&&&&&&&&&&&&&&;//&if&(y&=&0)&-&&return&x
&&&&&&&&&&&&&&&&test&&eax,&eax
&&&&&&&&&&&&&&&&mov&&&eax,&ecx
&&&&&&&&&&&&&&&&je&&&&done&&&&&&&&&&&&&&&;//&if&(x&=&0)&-&&return&y
&&&&&&&&&&&&&&&&push&&edi
&&&&&&&&&&&&&&&&bsf&&&ebx,&eax&&&&&&&&&&&;//&ebx&=&trailingZeroes(y)
&&&&&&&&&&&&&&&&bsf&&&ecx,&edx&&&&&&&&&&&;//&ecx&=&trailingZeroes(x)
&&&&&&&&&&&&&&&&cmp&&&ebx,&ecx
&&&&&&&&&&&&&&&&mov&&&edi,&ecx
&&&&&&&&&&&&&&&&cmovl&edi,&ebx&&&&&&&&&&&;//&edi&=&min(ebx,ecx)
&&&&&&&&&&&&&&&&shr&&&edx,&cl&&&&&&&&&&&&;//&x&&&=&trailingzeroes(x)
&&&&&&&&&&&&&&&&mov&&&ecx,&ebx
&&&&&&&&&&&&&&&&shr&&&eax,&cl&&&&&&&&&&&&;//&y&&&=&trailingzeroes(y)
&&&&&&&&&&&&&&&&align&8
&&&&&&&&&&&&&&mainloop:&&&&&&&&&&&&&&&&&&;//&for&(;;)
&&&&&&&&&&&&&&&&cmp&&&eax,&edx
&&&&&&&&&&&&&&&&mov&&&ecx,&eax
&&&&&&&&&&&&&&&&je&&&&skiploop&&&&&&&&&&&;//&if&(x&==&y)&-&&break
&&&&&&&&&&&&&&&&cmovb&eax,&edx
&&&&&&&&&&&&&&&&cmovb&edx,&ecx&&&&&&&&&&&;//&if&(y&&&x)&swap(x,y)
&&&&&&&&&&&&&&&&sub&&&eax,&edx&&&&&&&&&&&;//&x&-=&y
&&&&&&&&&&&&&&&&bsf&&&ecx,&eax
&&&&&&&&&&&&&&&&shr&&&eax,&cl&&&&&&&&&&&&;//&x&&&=&trailingzeroes(x)
&&&&&&&&&&&&&&&&jmp&&&mainloop
&&&&&&&&&&&&&&&&align&8
&&&&&&&&&&&&&&skiploop:
&&&&&&&&&&&&&&&&mov&&&ecx,&edi
&&&&&&&&&&&&&&&&shl&&&eax,&cl&&&&&&&&&&&&;//&return&x&&finalShiftLeft
&&&&&&&&&&&&&&&&pop&&&edi
&&&&&&&&&&&&&&done:&&&&&&&&&&&&&&&&&&&&&&;//&return&value&in&eax
&&&&&&&&&&&&&&}
&&&&&&&&&&&&}
&&&&&&&&&&&&#pragma&warning(default:4035)
&&&&&&&&!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!
|||||||||||||||||||||||||||||||||||||||||
2.搜索对齐了的结构中非零的元素
&&&&&&假设，假设我们想在一个数组结构中查找它是否有一个特殊的项里面存着的是空的对象。就是说，假设我们需要写这样一个函数出来:
&&&&!!!!!C&CODE!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!
&&&&&&&&unsigned&int&existnzkey&(struct&foobar&*&table,&unsigned&int&tablelength)
&&&&&&&&&&&&int&i;
&&&&&&&&&&&&for(i=0;i&i++)
&&&&&&&&&&&&&&&&if(&table[i].key&!=0&)&return&table[i].
&&&&&&&&&&&&return&0;
&&&&!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!
&&&&显而易见的，要直接从汇编层次分析它的话，这个代码需要改进的问题实在是太多了。我们先透过一些创造力，一些可以在我的代码优化文章里找到的标准技巧处理下它：
&&&&!!!!C&CODE!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!
&&&&&&&&static&unsigned&int&existnzkey&(unsigned&int&tablelength,&struct&foobar&*&table)
&&&&&&&&&&&&int&i,c,d;
&&&&&&&&&&&&d=i=0;
&&&&&&&&&&&&c=
&&&&&&&&&&&&goto&S
&&&&&&&&&&&&do&{
&&&&&&&&&&&&&&&&d&=&table[i].
&&&&&&&&&&&&&&&&if(&d&!=0&)&return&d;
&&&&&&&&&&&&&&&&i++;
&&&&&&&&&&&&&&&&c--;
&&&&&&&&Start:;
&&&&&&&&&&&&}&while(&c!=0&);
&&&&&&&&&&&&return&d;
&&&&!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!
&&&&这个新代码看起来更长了，而且看起来增加了一些不必要复杂流程，但实际上这样帮助编译器把变量和寄存器映射起来。这年头可能很多注释会说goto和labels是糟糕的习惯，因为编译器会给goto关掉优化或者什么什么的原因，不过呢，我的编译器看起来不吃这一套说法，这也是为什么我用起了goto。
&&&&假设我们的结构是这样:
&&&&struct&foobar&{
&&&&&&&&unsigned&int&
&&&&&&&&void&*&
&&&&然后这个是编译器vs我手工汇编的情况
&&&&!!!!!!ASM&CODE!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!
&&&&;&compiler
&&&&&&&&&&&&xor&&&&&eax,eax
&&&&&&&&&&&&test&&&&ecx,ecx
&&&&&&&&&&&&je&&&&&&L2
&&&&&&&&L1:&mov&&&&&eax,[esi]&&&;&1&U&-
&&&&&&&&&&&&test&&&&eax,eax&&&&&;&2&U
&&&&&&&&&&&&jne&&&&&L2&&&&&&&&&&;&2&&&V
&&&&&&&&&&&&add&&&&&esi,8&&&&&&&;&3&U
&&&&&&&&&&&&dec&&&&&ecx&&&&&&&&&;&3&V
&&&&&&&&&&&&jne&&&&&L1&&&&&&&&&&;&5&-&V&+1brt
&&&&&&&&L2:
&&&&!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!
&&&&!!!!!!!!!ASM&CODE!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!
&&&&&&&&;&by&Pisen&Chiang&and&Paul&Hsieh
&&&&&&&&&&&&xor&&&&&eax,eax
&&&&&&&&&&&&test&&&&ecx,ecx
&&&&&&&&&&&&je&&&&&&L2
&&&&&&&&&&&&sub&&&&&esi,8
&&&&&&&&L1:&add&&&&&esi,8&&&&&&&;&1&U
&&&&&&&&&&&&sub&&&&&ecx,1&&&&&&&;&1&&&V
&&&&&&&&&&&&sbb&&&&&eax,eax&&&&&;&2&U&-
&&&&&&&&&&&&or&&&&&&eax,[esi]&&&;&3&U
&&&&&&&&&&&&jz&&&&&&L1&&&&&&&&&&;&4&&&V&+1brt
&&&&&&&&&&&&mov&&&&&eax,[esi]
&&&&&&&&L2:
&&&&!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!
&&&&编译器终于取得了一点优势，它在代码大小上赢了一次，不过我的代码要快很多，因为我避过了一个额外的test，还在循环里避过了一个跳转。就像注释里说的，我的代码在每个循环里降低一个CPU时钟的占用(奔腾CPU上)。
&&&&再深入些？唔，也不要太深入了。要不然就成了学术上面的研究了(而非实际应用的)。这个流程真正的问题所在是，我们访问的是一个对齐了的结构里面的一部分元素。如果这个数组的大小非常大，那我们就因为把结构里其他的元素抛弃掉而输掉了性能(CPU的cache中只能储存连贯的一串数据)。把结构分开，把数组中的所有结构的所有元素都带上locality&of&reference(本地引用&?:所有的元素都要在循环里有&读或写的操作访问到它)，然后会比上面这一串优化还改观更多的性能。但是即便在那种情况下，我也认为大部分编译器会用一个性能随便的repz&scasd就打发掉你想要有的代码优化(原话---)
&&&&原话-----But&even&in&that&situation&I&don't&think&most&compilers&will&use&a&repz&scasd.
&&&&总结下我们在这儿的成果，如果说你要处理的是一个结构很糟糕的数组(就像是MS&D3D&API用的顶点缓冲数组)，上面的代码还是很有用的。
3.&63&bits的&LFSR
&&&&下面的是一个标准的&CRC(cyclic&redundancy&checkcomputing&循环冗余校验计算)。它基本可以确定就是一个迭代性处理随机不确定的63bits输入的函数，然后返回63bits。这个算法可以用来高速度(安全性不行的)加密，随机数产生，数据完整性效验，或者就当做一个hash函数。
&&&&!!!!!!!!!C&CODE!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!
&&&&&&&&typedef&unsigned&long&UINT;
&&&&&&&&void&TestC(UINT&&b0,&UINT&&b1)
&&&&&&&&UINT&L1,&L2,&L3;
&&&&&&&&UINT&H1,&H2;
&&&&&&&&//&x&=&(x&&31)^(x&&30)^(x&&32)&(mod&2^63)
&&&&&&&&&&&&&&&&L1&=&(b1&&1)|(b0&&31);
&&&&&&&&&&&&&&&&L2&=&(b1&&2)|(b0&&30);
&&&&&&&&&&&&&&&&H1&=&(b1&&31);
&&&&&&&&&&&&&&&&H2&=&(b1&&30);
&&&&&&&&&&&&&&&&b1&=&H1^H2^b0&&0x7FFFFFFF;
&&&&&&&&&&&&&&&&b0&=&L1^L2;
&&&&!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!
&&&&这儿，我是通过一对32bits的变量来操作63/64bits的对象的。(我的编译器不支持纯天然的64bits&int类型)
&&&&!!!!!!!!!!ASM&CODE!!!!!!!!!!!!!!!!!!!!!!!!!!!!!
&&&&&&&&;&compiler&编译器
&&&&&&&&lea&&&&&esi,[edx*2]&&&&&;&1&U&-
&&&&&&&&shr&&&&&ebx,31&&&&&&&&&&;&2&U&-
&&&&&&&&or&&&&&&esi,ebx&&&&&&&&&;&3&U&-
&&&&&&&&mov&&&&&ebx,eax&&&&&&&&&;&4&U&-
&&&&&&&&lea&&&&&ecx,[edx*4]&&&&&;&5&U
&&&&&&&&shr&&&&&ebx,30&&&&&&&&&&;&5&&&V
&&&&&&&&or&&&&&&ebx,ecx&&&&&&&&&;&7&U&-&+agi
&&&&&&&&mov&&&&&ecx,edx&&&&&&&&&;&8&U&-
&&&&&&&&shr&&&&&ecx,31&&&&&&&&&&;&9&U&-
&&&&&&&&shr&&&&&edx,30&&&&&&&&&&;10&U&-
&&&&&&&&xor&&&&&edx,ecx&&&&&&&&&;11&U&-
&&&&&&&&xor&&&&&edx,eax&&&&&&&&&;12&U&-
&&&&&&&&mov&&&&&eax,esi&&&&&&&&&;13&U
&&&&&&&&and&&&&&edx,07FFFFFFFh&&;13&&&V
&&&&&&&&xor&&&&&eax,ebx&&&&&&&&&;14&U
&&&&!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!
&&&&手写的asm:
&&&&!!!!!!!!!!ASM&CODE!!!!!!!!!!!!!!!!!!!!!!!!!!!!!
&&&&&&&&;&by&Paul&Hsieh&and&Pisen&Chiang
&&&&&&&&mov&&&&&esi,edx&&&&&&&&&;&1&U
&&&&&&&&xor&&&&&cl,cl&&&&&&&&&&&;&1&&&V
&&&&&&&&shld&&&&edx,eax,1&&&&&&&;&5&NP&&+4c*
&&&&&&&&shld&&&&esi,eax,2&&&&&&&;&9&NP&&+4c
&&&&&&&&adc&&&&&cl,0&&&&&&&&&&&&;10&U
&&&&&&&&xor&&&&&edx,esi&&&&&&&&&;10&&&V
&&&&&&&&xchg&&&&eax,edx&&&&&&&&&;12&NP&&+2c
&&&&&&&&xor&&&&&dl,cl&&&&&&&&&&&;13&U
&&&&!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!
&&&&这二个的占用的时钟数是很相当接近的(在奔腾MMX上的结果，事实上就是MMX预处理的过程把结果给拉进了，第一个shld指令需要花费一个额外的时钟用来解析特殊的mmx指令)，这个出人意料的结果很大一部分是因为慢腾腾的shld指令。而在奔腾&Pro/II,&K6和6x86MX处理器上，shld指令是可以很明显的提高代码大小和代码速度上的性能的。
&&&&接下来这个，下面所做的优化，是完全针对奔腾处理器的:
&&&&!!!!!!ASM&CODE!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!
&&&&&&&&;&by&hand&for&Pentiums
&&&&&&&&mov&&&&&esi,edx&&&&&&&&&;&1&U
&&&&&&&&xor&&&&&cl,cl&&&&&&&&&&&;&1&&&V
&&&&&&&&shl&&&&&esi,2&&&&&&&&&&&;&2&U
&&&&&&&&mov&&&&&ebx,eax&&&&&&&&&;&2&&&V
&&&&&&&&adc&&&&&cl,0&&&&&&&&&&&&;&3&U
&&&&&&&&lea&&&&&edx,[edx*2]&&&&&;&3&&&V
&&&&&&&&shr&&&&&ebx,30&&&&&&&&&&;&4&U
&&&&&&&&xor&&&&&edx,esi&&&&&&&&&;&4&&&V
&&&&&&&&xor&&&&&edx,ebx&&&&&&&&&;&5&U
&&&&&&&&xor&&&&&al,cl&&&&&&&&&&&;&5&&&V
&&&&&&&&shr&&&&&ebx,1&&&&&&&&&&&;&6&U&-
&&&&&&&&xchg&&&&eax,edx&&&&&&&&&;&8&NP&&+2c
&&&&&&&&xor&&&&&eax,ebx&&&&&&&&&;&9&U
&&&&!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!
4.快速的泡沫排序
&&&&&Core&Designs(古墓丽影的公司)的Andrew&Howe发给了我一个超精短的排序代码。原始代码是在WATCOM&C/C++下写的，我把它的主要部分再给剥离了出来，现在你看到的就是这段代码的最佳状态：
&&&&!!!!!!!!!ASM&CODE!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!
&&&&&&&&;&by&Andrew&Howe
&&&&&&&&outerloop:&&lea&&&&&ebx,[edi+ecx*4]
&&&&&&&&&&&&&&&&&&&&mov&&&&&eax,[edi]
&&&&&&&&cmploop:&&&&sub&&&&&ebx,4
&&&&&&&&&&&&&&&&&&&&cmp&&&&&eax,[ebx]
&&&&&&&&&&&&&&&&&&&&jle&&&&¬yet
&&&&&&&&&&&&&&&&&&&&xchg&&&&eax,[ebx]
&&&&&&&¬yet:&&&&&cmp&&&&&ebx,edi
&&&&&&&&&&&&&&&&&&&&jnz&&&&&cmploop
&&&&&&&&&&&&&&&&&&&&stosd
&&&&&&&&&&&&&&&&&&&&loop&&&&outerloop
&&&&!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!
&&&&注意代码里对xchg，stosd和loop的使用，这几个是你永远在c编译器里看不到的指令。我不会花额外的时间去探讨这个流程的时间性能。要是留心的话，会发现在有一些程序里，泡沫排序比其他一个支线很多麻烦很多的排序算法要合适的多。例如，3D程序需要z轴-排序，考虑到时间地点的问题，这个上面总需要维护一个最大值的排序结果，这样就适合来点泡沫了。(从这个出发点延伸出来的另一个有趣的话题可以到这儿看&&&Sorting&with&less&than&all&the&facts&&&http://www.azillionmonkeys.com/qed/case5.html)
5.一个速度更快的strlen&()代码
&&&&在最近，有人给我写了一个留言，说是strlen&()是一个平时要用到很多次的函数，多到足够引起兴趣给它写一个性能优化的替代函数了。那么首先，不把它考虑到太难的方向，我不觉得有什么方法可以从算法的根本上改进它的性能。我在这点上是对的，不过在算法最底部基础的地方看看，可以改进性能的方法还是很丰富的。首先，算法的根本是按字节搜索0的，这样的话有一个标准性的改进方向是c编译器版本的会错过减少预载入到cache数据数量的机会:
&&&&!!!!!!!!!!!ASM&CODE!!!!!!!!!!!!!!!!!!!!!!!!!!!!
&&&&&&&&;&compiler
&&&&&&&&&&&&mov&&&&&edx,ebx
&&&&&&&&&&&&cmp&&&&&byte&ptr&[ebx],0
&&&&&&&&&&&&je&&&&&&l2
&&&&&&&&l1:&mov&&&&&ah,[ebx+1]&&&&&&&;&U
&&&&&&&&&&&&inc&&&&&ebx&&&&&&&&&&&&&&;&&&V
&&&&&&&&&&&&test&&&&ah,ah&&&&&&&&&&&&;&U
&&&&&&&&&&&&jne&&&&&l1&&&&&&&&&&&&&&&;&&&V&+1brt
&&&&&&&&l2:&sub&&&&&ebx,edx
&&&&!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!
&&&&人手汇编
&&&&!!!!!!!!!ASM&CODE!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!
&&&&&&&&;&by&Paul&Hsieh
&&&&&&&&&&&&lea&&&&&ecx,[ebx-1]
&&&&&&&&l1:&inc&&&&&ecx
&&&&&&&&&&&&test&&&&ecx,3
&&&&&&&&&&&&jz&&&&&&l2
&&&&&&&&&&&&cmp&&&&&byte&ptr&[ecx],0
&&&&&&&&&&&&jne&&&&&l1
&&&&&&&&&&&&jmp&&&&&l6
&&&&&&&&l2:&mov&&&&&eax,[ecx]&&&&&&&&;&U
&&&&&&&&&&&&add&&&&&ecx,4&&&&&&&&&&&&;&&&V
&&&&&&&&&&&&test&&&&al,al&&&&&&&&&&&&;&U
&&&&&&&&&&&&jz&&&&&&l5&&&&&&&&&&&&&&&;&&&V
&&&&&&&&&&&&test&&&&ah,ah&&&&&&&&&&&&;&U
&&&&&&&&&&&&jz&&&&&&l4&&&&&&&&&&&&&&&;&&&V
&&&&&&&&&&&&test&&&&eax,0ff0000h&&&&&;&U
&&&&&&&&&&&&jz&&&&&&l3&&&&&&&&&&&&&&&;&&&V
&&&&&&&&&&&&test&&&&eax,0ff000000h&&&;&U
&&&&&&&&&&&&jnz&&&&&l2&&&&&&&&&&&&&&&;&&&V&+1brt
&&&&&&&&&&&&inc&&&&&ecx
&&&&&&&&l3:&inc&&&&&ecx
&&&&&&&&l4:&inc&&&&&ecx
&&&&&&&&l5:&sub&&&&&ecx,4
&&&&&&&&l6:&sub&&&&&ecx,ebx
&&&&!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!
&&&&这就是了。我牺牲了代码大小，来换取时间性能，通过从本质上把循环展开4次，如果输入的字符串足够的长(这种情况下性能就是个需要注意的东西了，测试是在奔腾CPU上的),每个字节需要执行的asm代码是1.5个时钟，c的每字节则需要3个时钟。但当字符串不够长的时候，过多的跳转指令产生的分支误预测会使它比编译器的那个占点劣势。
&&&&update&补充:
&&&&在讨论Sprite(图像里的一个东西)的数据复制时，我意识到有一种显著改善&32-bit&X86上分支误预测影响力的方法(P-II和athlon上)
&&&&!!!!!!!!!!ASM&CODE!!!!!!!!!!!!!!!!!!!!!!!!!!!!!
&&&&&&&&;&by&Paul&Hsieh
&&&&&&&&&&&&lea&&&&&ecx,[ebx-1]
&&&&&&&&l1:&inc&&&&&ecx&&&&&&&&&&&&&&;当有单个字节不等于0时，到这儿增加1
&&&&&&&&&&&&test&&&&ecx,3
&&&&&&&&&&&&jnz&&&&&l3
&&&&&&&&l2:&mov&&&&&edx,[ecx]&&&&&&&&;&U
&&&&&&&&&&&&mov&&&&&eax,07F7F7F7Fh&&&;&&&V
&&&&&&&&&&&&and&&&&&eax,edx&&&&&&&&&&;&U&把每个字节0x7f以下的数字留下来，0当然还是0
&&&&&&&&&&&&add&&&&&ecx,4&&&&&&&&&&&&;&&&V&~~~~按4作为比较是否为0的跨步~~~
&&&&&&&&&&&&add&&&&&eax,07F7F7F7Fh&&&;&U&增加0x7f。
&&&&&&&&&&&&or&&&&&&eax,edx&&&&&&&&&&;&U&或上原字节。直观看是处理0x81和比0x81大的情况，但到这儿其实是让所有非0字节至少等于0x80或更大
&&&&&&&&&&&&and&&&&&eax,h&&&;&U&到现在，这个字节除了是0之外，所有的其他的大小都会被变成0x80。
&&&&&&&&&&&&cmp&&&&&eax,h&&&;&U&和0x80判断即站点是否为0
&&&&&&&&&&&&je&&&&&&l2&&&&&&&&&&&&&&&;&&&V&+1brt
&&&&&&&&&&&&sub&&&&&ecx,4
&&&&&&&&l3:&cmp&&&&&byte&ptr&[ecx],0
&&&&&&&&&&&&jne&&&&&l1
&&&&&&&&&&&&sub&&&&&ecx,ebx
&&&&!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!
&&&&我认为这个代码在&32&bit&X86上通常都会提供更好的性能，它减少了很多的跳转。16&bits的X86CPU很明显的可以用一个类似的代码,但很明显它也会比32bits的处理速度慢一倍。(还有，我真的开始喜欢这种mask技巧了!快看看下一个例子)还有，谢谢ZiBin&Yang&(杨子斌&?)指出来的我的代码里的一个错误。
&&&&这儿是C版本的相同功能的代码:
&&&&!!!!!!!C&CODE!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!
&&&&&&&&int&fstrlen(char&*s)&{
&&&&&&&&char&*p;
&&&&&&&&int&d;
&&&&&&&&#define&M1&(0x7f7f7f7f)
&&&&&&&&#define&M2&(0x)
&&&&&&&&#define&SW&(sizeof(int)/sizeof(char))
&&&&&&&&&&&&p=s-1;
&&&&&&&&&&&&do&{
&&&&&&&&&&&&&&&&p++;
&&&&&&&&&&&&&&&&if(&(((int)p)&(SW-1))==0&)&{
&&&&&&&&&&&&&&&&&&&&do&{
&&&&&&&&&&&&&&&&&&&&&&&&d&=&*((int&*)p);
&&&&&&&&&&&&&&&&&&&&&&&&p&+=&SW;
&&&&&&&&&&&&&&&&&&&&&&&&d&=&(((d&M1)+M1)|d)&M2;
&&&&&&&&&&&&&&&&&&&&}&while(&d==M2&);
&&&&&&&&&&&&&&&&&&&&p&-=&SW;
&&&&&&&&&&&&&&&&}
&&&&&&&&&&&&}&while(&*p!=0&);
&&&&&&&&&&&&return&p-s;
&&&&!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!
&&&&它会编译成很大一篇幅的相同功能的代码(在P6上它应该也有相同的性能表现)，但它有一个小问题。它不能适应不同大小的int类型(0x7f7f7f7f和0x会被截断，或者不够用，也会把指针p指到一个无法确定位置的地方)，而且C版本的它也没一点点比asm版本的容易理解。
&&&&注意，虽然读取时候读取对齐的数据不是必须的，在现代X86上它还是会有一些影响，不对齐地址的读取可能造成内存读取失误。这个失误在读取到字符串结尾的时候就可能出现，但我们上面的代码没考虑这些，还是假设你的内存是安装DWORD(32bits)大小对齐申请的。
&&&&update&补充:
&&&&Ryan&Mack发来了一个&MMX版本的strlen:
&&&&!!!!!!!!!ASM&CODE!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!
&&&&&&&&;&MMX&version&by&Ryan&Mack
&&&&&&&&;&Roughly&13&+&3n&+&BRANCH&clocks&on&a&P-II
&&&&&&&&const&unsigned&__int64&STRINGTBL[8]&=&{0,&0xff,
&&&&&&&&&&&&&&&&0xffff,&0xffffff,&0xffffffff,&0xffffffffff,
&&&&&&&&&&&&&&&&0xffffffffffff,&0xffffffffffffff}&
&&&&&&&&/*&...&*/
&&&&&&&&&&&&pxor&&&&&mm1,&mm1
&&&&&&&&&&&&mov&&&&&&ecx,&eax
&&&&&&&&&&&&mov&&&&&&edx,&eax
&&&&&&&&&&&&and&&&&&&ecx,&-8
&&&&&&&&&&&&and&&&&&&eax,&7
&&&&&&&&&&&&movq&&&&&mm0,&[ecx]
&&&&&&&&&&&&por&&&&&&mm0,&[STRINGTBL+eax*8]
&&&&&&&&MAIN:
&&&&&&&&&&&&add&&&&&&ecx,&8
&&&&&&&&&&&&pcmpeqb&&mm0,&mm1
&&&&&&&&&&&&packsswb&mm0,&mm0
&&&&&&&&&&&&movd&&&&&eax,&mm0
&&&&&&&&&&&&movq&&&&&mm0,&[ecx]
&&&&&&&&&&&&test&&&&&eax,&eax
&&&&&&&&&&&&jz&&&&&&&MAIN
&&&&&&&&&&&&bsf&&&&&&eax,&eax
&&&&&&&&&&&&shr&&&&&&eax,&2
&&&&&&&&&&&&lea&&&&&&ecx,&[ecx+eax-8]
&&&&&&&&&&&&sub&&&&&&ecx,&edx
&&&&!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!
&&&&每个循环都不再依赖于其他的循环了，在现在的CPU指令里不能这样做，原因只是没有相应的CPU指令。这段代码在P-II上执行的话，我们拥有6个ALU单元和1个负载缓冲(&loadµop&?)，这使得8&bytes只需要3时钟就可以比较完。在一个AMD&处理器上，有7个risc指令单元(riscops???&不确定!)，在athlon上它也可以3时钟处理8字节，在K6上则是4时钟8字节的速度。
&&&&athlon上的性能测试机制显示(忽略掉分支误预测的影响)，对于一个超长字符串而言，这个每次可以处理64&bits的版本对比32版本的代码提高了55%的速度(比WATCOM&clib里的strlen还快22%)。物理如何，对于超短字符串(少于8字节)，64bits版本的对比32bit版本的就要慢上3倍，但和WATCOM的clib中的strlen在相同短字符串的情况下还是一样快的。但需要关心一下的是，如果你的字符串够短，分支误预测(我的测试里没计算它的影响)将相对其他情况里的占用多很多的执行时间。当然任何情况下，如果你想用这些strlen了，你应该做一下具体情况里的性能测试，以确定哪个适合你。
&&&&Update&补充:
&&&&&&&&Norbert&Juffa给我写了消息，教给我一个古老的技巧，比起我的还可以有极大的改善(爽罢，rock&rock起来，我们继续看
&&&&&&&&/:^)&:
&&&&&&&&---------quote------------------
&&&&&&&&&&&&After&a&few&minutes&of&research&it&turns&out&that&the&original&null&byte&detection&by&Alan&Mycroft&is&superior&to&the&formula&given&on&your&website&as&it&has&shorter&dependency&chains.&On&a&PIII,&strcpy()&performance&jumped&almost&20%&from&substituting&one&for&the&other.&Mycroft's¯o&is
&&&&&&&&&&&&结果几分钟的研究，发现最原始的null字节检测(Alan&Mycroft写的)比你的网站上的公式要强大很多，它有短得多的运算步骤。在P-III上，strcpy&()的性能提高了接近20%。&Mycroft的宏是：
&&&&&&&&&&&&#define&has_nullbyte_(x)&((x&-&0x)&&&~x&&&0x)
&&&&&&&&&&&&I&rendered&this&as:
&&&&&&&&&&&&我把它翻译成汇编了:
&&&&&&&&&&&&mov&edx,&eax
&&&&&&&&&&&¬&eax
&&&&&&&&&&&&sub&edx,&0x
&&&&&&&&&&&&and&eax,&0x
&&&&&&&&&&&&and&eax,&edx
&&&&&&&&&&&&;&cycle&1
&&&&&&&&&&&&;&cycle&2
&&&&&&&&&&&&;&cycle&3
&&&&&&&&&&&&BTW,&one&of&Mycroft's&original&posts&about&this¯o&can&be&found&at&Deja.&The&post&is&dated&!
&&&&&&&&&&&&另外，&Mycroft的一个最早的关于这个宏的帖子可以在deja上找到，发表日期是&!
&&&&&&&&-----------------------------------
&&&&&&&&我去做了一点搜索工作，然后非常的没错，你可以在google&groups上找到一个很老的帖子(http://groups.google.com/groups?hl=en&lr=&ie=UTF-8&oe=UTF-8&safe=off&frame=right&rnum=41&thl=,,,,,,,,,,,0&seekm=4605%40utcsri.UUCP#link43)，这儿就是上面最新strlen&()的C语言实现:
&&&&&&&&!!!!!!!!!!C&CODE!!!!!!!!!!!!!!!!!!!!!!!!!!!!!
&&&&&&&&&&&&#define&hasNulByte(x)&((x&-&0x)&&&~x&&&0x)
&&&&&&&&&&&&#define&SW&(sizeof&(int)&/&sizeof&(char))
&&&&&&&&&&&&int&xstrlen&(const&char&*s)&{
&&&&&&&&&&&&const&char&*p;
&&&&&&&&&&&&int&d;
&&&&&&&&&&&&&&&&p&=&s&-&1;
&&&&&&&&&&&&&&&&do&{
&&&&&&&&&&&&&&&&&&&&p++;
&&&&&&&&&&&&&&&&&&&&if&((((int)&p)&&&(SW&-&1))&==&0)&{
&&&&&&&&&&&&&&&&&&&&&&&&do&{
&&&&&&&&&&&&&&&&&&&&&&&&&&&&d&&=&*((int&*)&p);
&&&&&&&&&&&&&&&&&&&&&&&&&&&&p&+=&SW;
&&&&&&&&&&&&&&&&&&&&&&&&}&while&(!hasNulByte&(d));
&&&&&&&&&&&&&&&&&&&&&&&&p&-=&SW;
&&&&&&&&&&&&&&&&&&&&}
&&&&&&&&&&&&&&&&}&while&(*p&!=&0);
&&&&&&&&&&&&&&&&return&p&-&s;
&&&&&&&&&&&&}
&&&&&&&&&&&&#define&hasNulByte(x)&((x&-&0x)&&&~x&&&0x)
&&&&&&&&&&&&#define&SW&(sizeof&(int)&/&sizeof&(char))
&&&&&&&&&&&&int&xstrlen&(const&char&*s)&{
&&&&&&&&&&&&const&char&*p;
&&&&&&&&&&&&int&d;
&&&&&&&&&&&&&&&&p&=&s&-&1;
&&&&&&&&&&&&&&&&do&{
&&&&&&&&&&&&&&&&&&&&p++;
&&&&&&&&&&&&&&&&&&&&if&((((int)&p)&&&(SW&-&1))&==&0)&{
&&&&&&&&&&&&&&&&&&&&&&&&do&{
&&&&&&&&&&&&&&&&&&&&&&&&&&&&d&&=&*((int&*)&p);
&&&&&&&&&&&&&&&&&&&&&&&&&&&&p&+=&SW;
&&&&&&&&&&&&&&&&&&&&&&&&}&while&(!hasNulByte&(d));
&&&&&&&&&&&&&&&&&&&&&&&&p&-=&SW;
&&&&&&&&&&&&&&&&&&&&}
&&&&&&&&&&&&&&&&}&while&(*p&!=&0);
&&&&&&&&&&&&&&&&return&p&-&s;
&&&&&&&&&&&&}
&&&&&&&&!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!
&&&&&&&&和其他的strlen方法比起来，在athlon上这个完全是求32字节字符串长度最快的方法了，字节更长时MMX的方法有优势。这个函数的性能比起绝多数库里的strlen，都是占有绝多数优势的。
6.Sprite的数据复制
&&&&一个程序员(游戏程序员)常见的需求是，渲染sprite图像时怎么写出来一个高性能的sprite图像块传输函数(blitter,&BLIT&BLock&Image&TransfER)。最近一个在rec.games.programmer的讨论里，提问者的需要是把一个数组的像素一直复制到目标位置直到碰到像素值为0的情况。一开始时候的代码看起来类似于:
&&&&!!!!!!!C&CODE!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!
&&&&&&&&char&*&
&&&&&&&&char&*&
&&&&&&&&/*&...&*/
&&&&&&&&/*©&scanline&except&where&transparent.&*/
&&&&&&&&for(x=x0;x&x++)&{
&&&&&&&&&&&&if(&srcptr[x]!=0&)&destptr[x]=srcptr[x];
&&&&!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!
&&&&当然，一开始的这个代码有好几个性能问题在它里面，(1)它有一个在实际中总要判断出错的分支预测，然后(2)读取内存的方式是每次读取一个内存，这样是对内存带宽极大的浪费，同样也增加了循环的次数。
&&&&也能换个角度看，如果说要写入目标内存是&Write&Combine&(合并写入)和&write&mask&类型的(写入mask，作用于rgb和xyzw&参考http://msdn.microsoft.com/en-us/library/bb219870(v=vs.85).aspx)，那代码执行的瓶颈就是在写入上而不是分支误预测和内存读取上，这样的代码也是一种好事(同步)。(这种情况是可以发生的，当要写入的内存是显存，或者CPU是被超频了的)
&&&&无论如何，只要说读取到的内存不是性能的瓶颈(系统内存)，那每次读4字节，然后用上mask的是否为0判断方式就不是一个坏方案了，这样提供了一个你不需要写跳转的代码方案了。(不优化跳转的话，也就没什么特别大的优化方向了)。回复者里Russ&Williams直接拿出来一个使用了&carry&flag&(CF&eflag)方案了(在奔腾CPU上有优化效果):
&&&&!!!!!!!!!ASM&CODE!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!
&&&&&&&&;&by&Russ&Williams
&&&&&&&&pushad
&&&&&&&&mov&esi,[pbSrc]
&&&&&&&&mov&ecx,[w]
&&&&&&&&shr&ecx,2
&&&&&&&&mov&edi,[pbDest]
&&&&&&&&sub&edi,esi
&&&&&&&&looptop:
&&&&&&&&xor&ebx,ebx
&&&&&&&&mov&eax,[esi]
&&&&&&&&add&esi,4
&&&&&&&&mov&edx,eax
&&&&&&&&ror&edx,16
&&&&&&&&add&al,255&&&&&&&&&&&&&&;&cf&=&&1&if&al!=0&or&0&if&al==0
&&&&&&&&sbb&bl,0&&&&&&&&&&&&&&&&;&bl&=&-1&if&al!=0&or&0&if&al==0
&&&&&&&&add&ah,255
&&&&&&&&sbb&bh,0
&&&&&&&&mov&eax,edx
&&&&&&&&shl&ebx,16
&&&&&&&&add&al,255
&&&&&&&&sbb&bl,0
&&&&&&&&add&ah,255
&&&&&&&&sbb&bh,0
&&&&&&&&mov&eax,[edi]
&&&&&&&&ror&edx,16
&&&&&&&&and&eax,ebx&&&&&&&&&&&&&;&dest&&bg.mask&(P6:&PRS)
&&&&&&&&or&&eax,edx&&&&&&&&&&&&&;&merge&with&src
&&&&&&&&dec&ecx
&&&&&&&&mov&[edi+esi],eax
&&&&&&&&jnz&looptop
&&&&&&&&popad
&&&&!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!
&&&&上面的代码在奔腾CPU上优化效果明显，而且也已经是超出了C编译器的能力范围(对CF&eflag的使用)。但是，&P-II不喜欢操作部分的寄存器(如&al，dl)，它占用了显然更多的CPU，一个指令7个时钟。这样经过了再一些讨论后，Christer&Ericson回复说找到了这样一个技巧:
&&&&&&(((D&&0x7F7F7F7F)&+&0x7F7F7F7F)&|&D)&&0x
&&&&上面的式子可以制造出一个在最高位标示出每个字节属性的00指明这是一个值为0的字节，0x80指明这是一个值非0的字节。通过再进一步的技巧，你可以把这个结果改变成00代表0，然后0xff代表非0的mask，而这样的mask正是我们所渴望得到的标示串。这是asm代码:
&&&&!!!!!!!!!!ASM&CODE!!!!!!!!!!!!!!!!!!!!!!!!!!!!!
&&&&&&&&;&by&Paul&Hsieh
&&&&&&&&sub&esi,edi
&&&&&&&&looptop:
&&&&&&&&mov&eax,[esi+edi]&&&&&&&;&read&sprite&source&bits
&&&&&&&&mov&ebx,7f7f7f7fh
&&&&&&&&and&ebx,eax
&&&&&&&&add&ebx,7f7f7f7fh
&&&&&&&&or&&ebx,eax&&&&&&&&&&&&&;&&bits&have&non-zero&status&of&bytes.
&&&&&&&&and&ebx,h
&&&&&&&&shr&ebx,7&&&&&&&&&&&&&&&;&move&to&&bits.
&&&&&&&&add&ebx,7f7f7f7fh&&&&&&&;&80==on&or&7f==off&values&in&each&byte.
&&&&&&&&and&ebx,7f7f7f7fh&&&&&&&;&00==on&or&7f==off&masks.
&&&&&&&&lea&eax,[ebx+ebx]&&&&&&&;&eax&has&00==on&or&fe==off&masks.&(P5:&AGI&stall)
&&&&&&&&or&&eax,ebx&&&&&&&&&&&&&;&eax&has&00==on&or&ff==off&masks.
&&&&&&&&mov&ebx,eax
&&&&&&&¬&ebx&&&&&&&&&&&&&&&&&;&ebx&has&00==off&or&ff==on&masks.
&&&&&&&&and&eax,[edi]&&&&&&&&&&&;&background&bits
&&&&&&&&or&&eax,[esi+edi]&&&&&&&;&merge&with&sprite&bits&for&final&result
&&&&&&&&mov&[edi],eax&&&&&&&&&&&;&draw!
&&&&&&&&add&edi,4
&&&&&&&&dec&ecx
&&&&&&&&jnz&looptop
&&&&!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!
&&&&当然是，上面的循环代码不是特别适合奔腾CPU，特别是当整个代码里操作的数据都互相有依存关系时(intel的CPU有多条指令线，当指令之间不依赖上一条指令对数据的操作结果时，P-22可以同时执行完20或更多条的指令!)，而且那儿有一个&AGL暂停&(AGL&stall?)。这些个问题可以透过展开一次的循环，然后用标准的add指令代替lea(edx和ebx寄存器在这儿还空着)执行来完成。
&&&&但不管怎么样，&P-II它自己将试着&自然的&展开这个循环到缓冲中(也就是在循环里不用读、解析指令等)，然后还会试着不受AGI暂停的影响，这样的话，上面少掉的流程使得我们从不需要手动详细维护控制这个循环上占到一些性能的便宜(当然这二个性能上的问题还可能直接就不出现)。但是,这个循环的指令是22个微指令(比P-II的缓冲大2个指令)，它不能被完全展开的。
&&&&K6的CPU也只能部分的展开这个循环，原因是这个循环它需要的解码时钟比6个更多。
&&&&事实上，C编译器对上面这个代码会感到挺头疼(还有其他看起来类似的代码)。我也不大确定你怎么样才可以说服你的C编译器上面代码里面的循环需要展开一次。
&&&&update&补充:
&&&&&&&&经过一些思考后，很明显的上面的算法可以，而且应该利用MMX和一些新的SSE指令(movntq)来再提高一下性能。我可能会过阵子写下这个代码。
&&&&&&&&另外还有一个好主意，&Terje&Mathisen提出的，就是利用P-II的合并写入功能，来做到最小的分支误预测性能损耗。具体的办法就是用一个mask来从两个目标地址中选出要写入的那个。
&&&&&&&&!!!!!!!!!!ASM&CODE!!!!!!!!!!!!!!!!!!!!!!!!!!!!!
&&&&&&&&&&&&;&Idea&from&Terje&Mathisen,&implemented&by&Sean&T.&Barrett
&&&&&&&&&&&&sub&&esi,edi
&&&&&&&&&&&&mov&&edx,temp
&&&&&&&&&&&&sub&&edx,edi&&&&&&&&&&&&;&edx&=&(temp-edi)
&&&&&&&&&&&&...
&&&&&&&&&&&&loop:
&&&&&&&&&&&&mov&&al,[esi+edi]&&&&&&&;&al=src
&&&&&&&&&&&&cmp&&al,1&&&&&&&&&&&&&&&;&cf&&=&&1&if&src==0,&&&&&&&&&0&if&src!=0
&&&&&&&&&&&&sbb&&ebx,ebx&&&&&&&&&&&&;&ebx&=&-1&if&src==0,&&&&&&&&&0&if&src!=0
&&&&&&&&&&&&and&&ebx,edx&&&&&&&&&&&&;&ebx&=&(temp-edi)&if&src==0,&0&if&src!=0
&&&&&&&&&&&&mov&&[ebx+edi],al&&&&&&&;&store&to&dest&(edi)&or&garbage&(temp)
&&&&&&&&&&&&inc&&edi
&&&&&&&&&&&&dec&&ecx
&&&&&&&&&&&&jnz&&loop&&&&&&&&&&&&&&&;&well&predicted&branch
&&&&&&&&!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!
&&&&&&&&当然，temp这个不是说必须引用系统变量，而只是代表一个参数的意思。外部的循环比较复杂，但在理想的情况中，这个可以更好的利用P-II&的芯片功能，避开分支误预测的损耗。这儿CF&eflag技巧的使用也还是超出的C编译器的能力范围。(再当然，这个循环应该再展开一点，以提高些性能)
&&&&&&&&就像上面之前列出的关键搜索问题，所有的这些都有点学术性。对大部分的那些渲染过一次然后一次又一次使用的sprites，源图像和固定的像素通常在很长的时间里都使用到。因此使用个备用的编码，使得图像传输的预处理变成预读取保存了的常量这样的执行过程，(transparency&versus&non-transparency&run)在性能的改进上更有效果。图像块传输归根到底就是给一个指针赋值一个常量，让图像传输固定的颜色值就更直接，直接不需要对源图像做处理了。(原文----)
&&&&&&&&原文----:However,&like&the&key&scan&problem&listed&above,&all&this&may&be&academic.&For&most&sprites&that&are&rendered&once&and&used&over&and&over&again,&transparencies&and&solid&source&pixels&are&usually&in&long&runs.&So&using&an&alternate&encoding&which&give&transparency&versus&non-transparency&runs&will&usually&be&more&efficient.&Blitting&transparency&would&come&down&to&adding&a&constant&to&the&pointers,&and&the&blitting&solid&colors&would&be&immediate&without&required&examination&of&the&source.
&&&&update&补充:
&&&&&&&&Paolo&Bonzini写了一个更有优化效果的内部循环。优化的方法是，把mask用来xor，从复制源xor一个值出来，再xor给复制的目标
&&&&&&&&!!!!!!!!!!ASM&CODE!!!!!!!!!!!!!!!!!!!!!!!!!!!!!
&&&&&&&&&&&&;&by&Paolo&Bonzini
&&&&&&&&&&&&mov&eax,&[esi+edi]&;&read&sprite&source
&&&&&&&&&&&&mov&ebx,&[edi]&&&&&;&source
&&&&&&&&&&&&mov&ecx,&eax
&&&&&&&&&&&&and&ecx,&7f7f7f7fh
&&&&&&&&&&&&add&ecx,&7f7f7f7fh&;&set&bit&7&set&if&bits&6-0&nonzero
&&&&&&&&&&&&or&&ecx,&eax&&&&&&&;&set&bit&7&if&byte&nonzero
&&&&&&&&&&&&and&ecx,&h&;&80&==&on&or&00&==&off
&&&&&&&&&&&&xor&eax,&ebx&&&&&&&;&eax&=&dest&^&source
&&&&&&&&&&&&shr&ecx,&7&&&&&&&&&;&&bits&set&if&byte&nonzero
&&&&&&&&&&&&add&ecx,&7f7f7f7fh&;&80&==&on&or&7f&==&off
&&&&&&&&&&&&xor&ecx,&7f7f7f7fh&;&ff&==&on&or&00&==&off
&&&&&&&&&&&&and&eax,&ecx&&&&&&&;&d^s==&on&or&00&==&off
&&&&&&&&&&&&xor&ebx,&eax&&&&&&&;&set&to&source&if&on
&&&&&&&&&&&&mov&[edi],&ebx&&&&&;&set&to&source&if&on
&&&&&&&&&&&&;&by&Paolo&Bonzini
&&&&&&&&&&&&mov&eax,&[esi+edi]&;&read&sprite&source
&&&&&&&&&&&&mov&ebx,&[edi]&&&&&;&source
&&&&&&&&&&&&mov&ecx,&eax
&&&&&&&&&&&&and&ecx,&7f7f7f7fh
&&&&&&&&&&&&add&ecx,&7f7f7f7fh&;&set&bit&7&set&if&bits&6-0&nonzero
&&&&&&&&&&&&or&&ecx,&eax&&&&&&&;&set&bit&7&if&byte&nonzero
&&&&&&&&&&&&and&ecx,&h&;&80&==&on&or&00&==&off
&&&&&&&&&&&&xor&eax,&ebx&&&&&&&;&eax&=&dest&^&source
&&&&&&&&&&&&shr&ecx,&7&&&&&&&&&;&&bits&set&if&byte&nonzero
&&&&&&&&&&&&add&ecx,&7f7f7f7fh&;&80&==&on&or&7f&==&off
&&&&&&&&&&&&xor&ecx,&7f7f7f7fh&;&ff&==&on&or&00&==&off
&&&&&&&&&&&&and&eax,&ecx&&&&&&&;&d^s==&on&or&00&==&off
&&&&&&&&&&&&xor&ebx,&eax&&&&&&&;&set&to&source&if&on
&&&&&&&&&&&&mov&[edi],&ebx&&&&&;&set&to&source&if&on
&&&&&&&&!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!
&&&&&&&&另外，Paolo也发布了一个精挑细作的MMX代码
&&&&&&&&!!!!!!!!!ASM&CODE!!!!!!!!!!!!!!!!!!!!!!!!!!!!!
&&&&&&&&&&&&movq&&&&mm1,&[esi+edi]
&&&&&&&&&&&&pxor&&&&mm0,&mm0
&&&&&&&&&&&&movq&&&&mm2,&[edi]
&&&&&&&&&&&&pcmpeqb&mm0,&mm1&&&&&&&;&mm0&=&0&if&on,&ff&if&off
&&&&&&&&&&&&pand&&&&mm2,&mm0&&&&&&&;&mm2&=&0&if&on,&d&if&off
&&&&&&&&&&&&por&&&&&mm2,&mm1&&&&&&&;&mm2&=&s&if&on,&d&if&off
&&&&&&&&&&&&movq&&&&[edi],&mm2
&&&&&&&&&&&&movq&&&&mm1,&[esi+edi]
&&&&&&&&&&&&pxor&&&&mm0,&mm0
&&&&&&&&&&&&movq&&&&mm2,&[edi]
&&&&&&&&&&&&pcmpeqb&mm0,&mm1&&&&&&&;&mm0&=&0&if&on,&ff&if&off
&&&&&&&&&&&&pand&&&&mm2,&mm0&&&&&&&;&mm2&=&0&if&on,&d&if&off
&&&&&&&&&&&&por&&&&&mm2,&mm1&&&&&&&;&mm2&=&s&if&on,&d&if&off
&&&&&&&&&&&&movq&&&&[edi],&mm2
&&&&&&&&!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!
7.&MMX时间到了
&&&&在sandpile(http://www.sandpile.org/)上面&DS问道，怎么提高这个的性能:
&&&&--------Quote------------------------------
&&&&&&&&An&MMX&64bit®&has&useful&values&only&at&byte7&and&byte3&(AXXXBXXX,&where&A/B-useful,&X-useless).&I&want&to©&byte7&to&byte6,&byte5,&byte4;&and©&byte3&to&byte2,&byte1,&byte0.
&&&&&&&&一个64bits的MMX寄存器，它只有byte7和byte3是需要的(AXXXBXXX,A/B-有用，X-没用)。想的结果是复制&byte&7-&&byte6,byte5,byte4;并同时复制byte3-&byte2,byte1,byte0。
&&&&--------------------------------------
&&&&我考虑了二个方法:
&&&&psrld&&&&&mm0,&24&&&&&&&&&&&&&&&&&&&&&;&0&0&0&A&0&0&0&B
&&&&packssdw&&mm0,&mm0&&&&&&&&&&&&&&&&&&&&;&0&A&0&B&0&A&0&B
&&&&punpckhwd&mm0,&mm0&&&&&&&&&&&&&&&&&&&&;&0&A&0&A&0&B&0&B
&&&&pmullw&&&&mm0,&Const_0101&;&A&A&A&A&B&B&B&B
&&&&psrld&&&&&mm0,&24&&;&0&0&0&A&0&0&0&B
&&&&packssdw&&mm0,&mm0&;&0&A&0&B&0&A&0&B
&&&&packuswb&&mm0,&mm0&;&A&B&A&B&A&B&A&B
&&&&punpcklbw&mm0,&mm0&;&A&A&B&B&A&A&B&B
&&&&punpcklbw&mm0,&mm0&;&A&A&A&A&B&B&B&B
&&&&第一个的指令更少，而且在Athlon&CPU上所计算需要的时钟周期更段。第二个的指令更多，但计算需要的时钟周期更短,这个堆K6,Cyrix还有P55C&CPU都是有利的。但对P6的CPU我就不确定哪个更有优势了。
&&&&然后当然的，我们一进入到MMX的境界，可怜兮兮的C编译器就真的是一点点类似的优化也无能为力了。
8.一般性的位移
&&&&Norbert&Juffa&在学习&Compaq&Visual&Fortran编译器的过程里，考虑了对一般性的位移的优化。在Fortran&语言里面，一个一般性的位移总是向左位移的，但它可能会产生一个负数值的位移数量，意味着向右位移，还有，fortran里位移的数量要小于word能包含的最多的bit数量(往哪个方向的位移都得小于这个)。我开始做优化的算法如下:
&&&&!!!!!!!!!!C&CODE!!!!!!!!!!!!!!!!!!!!!!!!!!!!
&&&&&&&&unsigned&long&gensh(unsigned&long&v,&int&x)&{
&&&&&&&&int&a,&b;
&&&&&&&&&&&&a&=&(v&&&&x)&&&-(((unsigned&int)x)&&&32);
&&&&&&&&&&&&x&=&-x;
&&&&&&&&&&&&b&=&(v&&&&x)&&&-(((unsigned&int)x)&&&32);
&&&&&&&&&&&&return&a|b;
&&&&&&&&unsigned&long&gensh(unsigned&long&v,&int&x)&{
&&&&&&&&int&a,&b;
&&&&&&&&&&&&a&=&(v&&&&x)&&&-(((unsigned&int)x)&&&32);
&&&&&&&&&&&&x&=&-x;
&&&&&&&&&&&&b&=&(v&&&&x)&&&-(((unsigned&int)x)&&&32);
&&&&&&&&&&&&return&a|b;
&&&&!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!
&&&&ANSI&C标准，要求我们在右移里必须用&unsigned&int类型，因为接触到&C标准定义的&符号位的位移可能会产生一个未知的错误.这也是我在这儿提起这个的原因。
&&&&现在开始比拼汇编功底，这次把MS&VC++也参与进来了:
&&&&!!!!!!!ASM&CODE!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!
&&&&&&&&;&by&Paul&Hsieh
&&&&&&&&mov&ebx,&eax&;&1
&&&&&&&&shl&eax,&cl&&;&1
&&&&&&&&cmp&ecx,&32&&;&1
&&&&&&&&sbb&edx,&edx&;&2&dep:&CF
&&&&&&&&neg&ecx&&&&&&;&2&issue
&&&&&&&&and&eax,&edx&;&3&dep:&edx
&&&&&&&&cmp&ecx,&32&&;&3&dep:&ecx
&&&&&&&&sbb&edx,&edx&;&4&dep:&CF
&&&&&&&&shr&ebx,&cl&&;&3&dep:&ecx
&&&&&&&&and&ebx,&edx&;&5&dep:&edx
&&&&&&&&or&&eax,&ebx&;&6&dep:
&&&&&&&&;&by&Paul&Hsieh
&&&&&&&&mov&ebx,&eax&;&1
&&&&&&&&shl&eax,&cl&&;&1
&&&&&&&&cmp&ecx,&32&&;&1
&&&&&&&&sbb&edx,&edx&;&2&dep:&CF
&&&&&&&&neg&ecx&&&&&&;&2&issue
&&&&&&&&and&eax,&edx&;&3&dep:&edx
&&&&&&&&cmp&ecx,&32&&;&3&dep:&ecx
&&&&&&&&sbb&edx,&edx&;&4&dep:&CF
&&&&&&&&shr&ebx,&cl&&;&3&dep:&ecx
&&&&&&&&and&ebx,&edx&;&5&dep:&edx
&&&&&&&&or&&eax,&ebx&;&6&dep:
&&&&!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!
&&&&!!!!!ASM&CODE!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!
&&&&&&&&;&Microsoft&Visual&C++
&&&&&&&&cmp&ecx,&32&&;&1
&&&&&&&&mov&esi,&eax&;&1
&&&&&&&&sbb&edx,&edx&;&2&dep:&CF
&&&&&&&&shl&esi,&cl&&;&2&dep:&esi
&&&&&&&&neg&edx&&&&&&;&3&dep:&edx&??
&&&&&&&&neg&edx&&&&&&;&4&dep:&edx&??
&&&&&&&&neg&ecx&&&&&&;&1
&&&&&&&&and&edx,&esi&;&5&dep:&edx
&&&&&&&&cmp&ecx,&32&&;&2&dep:&ecx
&&&&&&&&sbb&esi,&esi&;&3&dep:&CF
&&&&&&&&sar&eax,&cl&&;&3&issue&(ANSI)
&&&&&&&&neg&esi&&&&&&;&4&dep:&esi&??
&&&&&&&&neg&esi&&&&&&;&5&dep:&esi&??
&&&&&&&&and&eax,&esi&;&6&dep:&esi
&&&&&&&&or&&eax,&edx&;&7&dep:
&&&&&&&&;&Microsoft&Visual&C++
&&&&&&&&cmp&ecx,&32&&;&1
&&&&&&&&mov&esi,&eax&;&1
&&&&&&&&sbb&edx,&edx&;&2&dep:&CF
&&&&&&&&shl&esi,&cl&&;&2&dep:&esi
&&&&&&&&neg&edx&&&&&&;&3&dep:&edx&??
&&&&&&&&neg&edx&&&&&&;&4&dep:&edx&??
&&&&&&&&neg&ecx&&&&&&;&1
&&&&&&&&and&edx,&esi&;&5&dep:&edx
&&&&&&&&cmp&ecx,&32&&;&2&dep:&ecx
&&&&&&&&sbb&esi,&esi&;&3&dep:&CF
&&&&&&&&sar&eax,&cl&&;&3&issue&(ANSI)
&&&&&&&&neg&esi&&&&&&;&4&dep:&esi&??
&&&&&&&&neg&esi&&&&&&;&5&dep:&esi&??
&&&&&&&&and&eax,&esi&;&6&dep:&esi
&&&&&&&&or&&eax,&edx&;&7&dep:
&&&&!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!
&&&&!!!!!!!ASM&CODE!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!
&&&&&&&&;&WATCOM&C/C++
&&&&&&&&cmp&&edx,&32&&;&1
&&&&&&&&setb&cl&&&&&&&;&2&dep:&CF
&&&&&&&&mov&&ebx,&ecx&;&4&dep:&ecx,&size
&&&&&&&&mov&&esi,&eax&;&1
&&&&&&&&and&&ebx,&255&;&5&dep:&ebx
&&&&&&&&mov&&cl,&dl&&&;&1&rename&cl
&&&&&&&&neg&&ebx&&&&&&;&6&dep:&ebx
&&&&&&&&shl&&esi,&cl&&;&2&dep:&esi,cl
&&&&&&&&neg&&edx&&&&&&;&2&issue
&&&&&&&&mov&&ecx,&esi&;&3&dep:&esi
&&&&&&&&and&&ebx,&esi&;&7&dep:&ebx
&&&&&&&&cmp&&edx,&32&&;&3&dep:&edx
&&&&&&&&setb&dh&&&&&&&;&4&dep:&CF
&&&&&&&&xor&&ecx,&esi&;&4&dep:&ecx&??
&&&&&&&&mov&&cl,&dh&&&;&5&dep:&dh
&&&&&&&&mov&&esi,&ecx&;&7&dep:&ecx,&size
&&&&&&&&mov&&cl,&dl&&&;&3&dep:&edx
&&&&&&&&neg&&esi&&&&&&;&8&dep:&esi
&&&&&&&&sar&&eax,&cl&&;&5&issue&(ANSI)
&&&&&&&&and&&eax,&esi&;&9&dep:&esi
&&&&&&&&or&&&eax,&ebx&;&10&dep:
&&&&&&&&;&WATCOM&C/C++
&&&&&&&&cmp&&edx,&32&&;&1
&&&&&&&&setb&cl&&&&&&&;&2&dep:&CF
&&&&&&&&mov&&ebx,&ecx&;&4&dep:&ecx,&size
&&&&&&&&mov&&esi,&eax&;&1
&&&&&&&&and&&ebx,&255&;&5&dep:&ebx
&&&&&&&&mov&&cl,&dl&&&;&1&rename&cl
&&&&&&&&neg&&ebx&&&&&&;&6&dep:&ebx
&&&&&&&&shl&&esi,&cl&&;&2&dep:&esi,cl
&&&&&&&&neg&&edx&&&&&&;&2&issue
&&&&&&&&mov&&ecx,&esi&;&3&dep:&esi
&&&&&&&&and&&ebx,&esi&;&7&dep:&ebx
&&&&&&&&cmp&&edx,&32&&;&3&dep:&edx
&&&&&&&&setb&dh&&&&&&&;&4&dep:&CF
&&&&&&&&xor&&ecx,&esi&;&4&dep:&ecx&??
&&&&&&&&mov&&cl,&dh&&&;&5&dep:&dh
&&&&&&&&mov&&esi,&ecx&;&7&dep:&ecx,&size
&&&&&&&&mov&&cl,&dl&&&;&3&dep:&edx
&&&&&&&&neg&&esi&&&&&&;&8&dep:&esi
&&&&&&&&sar&&eax,&cl&&;&5&issue&(ANSI)
&&&&&&&&and&&eax,&esi&;&9&dep:&esi
&&&&&&&&or&&&eax,&ebx&;&10&dep:
&&&&!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!
&&&&从asm旁边的注释可以看到三段asm各自的时钟占用(athlon&x86的CPU)。看的时候还应该注意每个指令序列会引起的指令执行暂停的问题。暂停的情况就像这样，一个X86处理器的4条指令解码流水线都去解码了，但之后一个突发情况让它们解码出来的可能要执行的代码不被执行，然后就得重新来过了。从所有的情况看，MSVC++看起来在最终性能优化上做的相等不错，但它还是不能简化neg®这个指令。标准的asm开发过程中，寄存器重分配会把指令之间的数据依赖分散掉(在mov&esi,&eax之后，这二个寄存器就是一样的，而且可以在后面的代码里交换对他们的使用，操作它们二个的指令就可以放在相邻的地方)，MSVC++在这个上面没有做优化。WATCOM&C/C++在寄存器大小的配对上面碰到困难了，标准的sub®8,®32技巧也没用上。
9.&64bits&BCD数字的加法
&&&&Norbert&Juffa&给了我一些不可想见的成功的64bits&BCD数字的加法代码:
&&&&!!!!!!!!ASM&CODE!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!
&&&&&&&&;&by&Norbert&Juffa
&&&&&&&&&&mov&&&eax,&dword&ptr&[x]&&&;&x&(lo)
&&&&&&&&&&mov&&&ebx,&dword&ptr&[y]&&&;&y&(lo)
&&&&&&&&&&mov&&&edx,&dword&ptr&[x+4]&;&x&(hi)
&&&&&&&&&&mov&&&ecx,&dword&ptr&[y+4]&;&y&(hi)
&&&&&&&&&&;&here:&EDX:EAX&=&augend,&ECX:EBX&=&addend
&&&&&&&&&&mov&&&esi,&eax&&&&&&&&&&&&&;&x
&&&&&&&&&&lea&&&edi,&[eax+h]&;&x&+&0x
&&&&&&&&&&xor&&&esi,&ebx&&&&&&&&&&&&&;&x&^&y
&&&&&&&&&&add&&&eax,&ebx&&&&&&&&&&&&&;&x&+&y
&&&&&&&&&&shr&&&esi,&1&&&&&&&&&&&&&&&;&t1&=&(x&^&y)&&&&1
&&&&&&&&&&add&&&edi,&ebx&&&&&&&&&&&&&;&x&+&y&+&0x
&&&&&&&&&&sbb&&&ebx,&ebx&&&&&&&&&&&&&;&capture&carry
&&&&&&&&&&rcr&&&edi,&1&&&&&&&&&&&&&&&;&t2&=&(x&+&y&+&0x)&&&&1
&&&&&&&&&&xor&&&esi,&edi&&&&&&&&&&&&&;&t1&^&t2
&&&&&&&&&&and&&&esi,&h&&&&&&&;&t3&=&(t1&^&t2)&&&0x
&&&&&&&&&&add&&&eax,&esi&&&&&&&&&&&&&;&x&+&y&+&t3
&&&&&&&&&&shr&&&esi,&2&&&&&&&&&&&&&&&;&t3&&&&2
&&&&&&&&&&sub&&&eax,&esi&&&&&&&&&&&&&;&x&+&y&+&t3&-&(t3&&&&2)
&&&&&&&&&&sub&&&edx,&ebx&&&&&&&&&&&&&;&propagate&carry
&&&&&&&&&&mov&&&esi,&edx&&&&&&&&&&&&&;&x
&&&&&&&&&&lea&&&edi,&[edx+h]&;&x&+&0x
&&&&&&&&&&xor&&&esi,&ecx&&&&&&&&&&&&&;&x&^&y
&&&&&&&&&&add&&&edx,&ecx&&&&&&&&&&&&&;&x&+&y
&&&&&&&&&&shr&&&esi,&1&&&&&&&&&&&&&&&;&t1&=&(x&^&y)&&&&1
&&&&&&&&&&add&&&edi,&ecx&&&&&&&&&&&&&;&x&+&y&+&0x
&&&&&&&&;;sbb&&&esi,&esi&&&&&&&&&&&&&;&capture&carry
&&&&&&&&&&rcr&&&edi,&1&&&&&&&&&&&&&&&;&t2&=&(x&+&y&+&0x)&&&&1
&&&&&&&&&&xor&&&esi,&edi&&&&&&&&&&&&&;&t1&^&t2
&&&&&&&&&&and&&&esi,&h&&&&&&&;&t3&=&(t1&^&t2)&&&0x
&&&&&&&&&&add&&&edx,&esi&&&&&&&&&&&&&;&x&+&y&+&t3
&&&&&&&&&&shr&&&esi,&2&&&&&&&&&&&&&&&;&t3&&&&2
&&&&&&&&&&sub&&&edx,&esi&&&&&&&&&&&&&;&x&+&y&+&t3&-&(t3&&&&2)
&&&&&&&&&&;&here&EDX:EAX&=&sum
&&&&&&&&&&mov&&&edi,&z
&&&&&&&&&&mov&&&[edi],&eax
&&&&&&&&&&mov&&&[edi+4],&edx
&&&&!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!
&&&&对Carry&Flag的利用和对rcr指令的引入，再次说明c编程工具们在很多汇编轻易可以做到的优化上的无能为力。
&&&&你可以在这儿找到BCD算数的说明:&http://www.cs.uiowa.edu/~jones/bcd/index.html
10.像素&bashing
&&&&&Gordy&在实现一个&软件实现图像库(http://gfody.com/)，然后在USENET&上就很多常用pixel&bashing流程的优化提出了问题。这儿是一些我提供的解决方案。
&&&&第一个是按特殊顺序压缩4bits&像素到一个像素的MMX函数。这个转化过程就是简单的从每4个像素的最低处取出需要的那个。原始4个像素的qword是:&&(别问我为什么这样那样-这是Gordy的库)。我们可以假设这4个像素是被mask了的(例如，其他不用的bit都被设置为0了)
&&&&!!!!!!!!ASM&CODE!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!
&&&&&&&&MagicConst&dd&124812h
&&&&&&&&;....
&&&&&&&&&&&&movq&&&&&mm7,&MagicConst
&&&&&&&&&&&&pcmpeqb&&mm6,&mm6&&&&&&&&;&1111
&&&&&&&&&&&&psllw&&&&mm6,&12&&&&&&&&&;&0000
&&&&&&&&@quads:
&&&&&&&&&&&&movq&&&&&mm0,&[esi]&&&&&&;&0007
&&&&&&&&&&&&movq&&&&&mm1,&mm6&&&&&&&&;&XXXX
&&&&&&&&&&&&pmullw&&&mm0,&mm7&&&&&&&&;&0070
&&&&&&&&&&&&pand&&&&&mm1,&mm0&&&&&&&&;&0000
&&&&&&&&&&&&psrld&&&&mm0,&28&&&&&&&&&;&4321
&&&&&&&&&&&&psrlw&&&&mm1,&8&&&&&&&&&&;&0000
&&&&&&&&&&&&por&&&&&&mm0,&mm1&&&&&&&&;&4321
&&&&&&&&&&&&packuswb&mm0,&mm0&&&&&&&&;&[?B?A?B?A]
&&&&&&&&&&&&packuswb&mm0,&mm0&&&&&&&&;&[BABABABA]
&&&&&&&&&&&&movd&&&&&eax,&mm0
&&&&&&&&&&&&mov&&&&&&[edi],ax
&&&&&&&&&&&&add&&&&&&esi,&8
&&&&&&&&&&&&add&&&&&&edi,&2
&&&&&&&&&&&&dec&&&&&&ecx
&&&&&&&&&&&&jnz&&&&&&@quads
&&&&!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!
&&&&因为这些个bits都是孤立的，一序列的shift和或操作可以用一系列的shift和add操作代替。但一序列的shift和add又可以合并进单单一个的乘。(/:^]&)透过一序列的虚拟检测，可以发现这个乘对我们的性能而言是一个好交易，它在现在的X86&CPU上还是一个完全适应CPU流水线的质量，这个循环里的很多质量，都应该可以并行的同步在CPU中执行(指令间没有数据依存)。这个方案处理64个源字节只用了可以接受的几个时钟-它的性能看上去就不像任何c写的公式能接近的。
&&&&第二个，这是给平均分布而且有规律的字节流设计(averaging&streams&of&bytes&together&(and&rounding&down.))。Gordy找的是一个给per-K6-2&MMX/3DNow!的解决方案(这个CPU的指令集里没有pavgusb和pavb)，也就是一个很古怪的，要用int实现的方案。这是我通过的int方案:
&&&&!!!!!!!!!!!!ASM&CODE!!!!!!!!!!!!!!!!!!!!!!!!!!
&&&&&&&&;&Integer&Solution&by&Paul&Hsieh
&&&&&&&<op:
&&&&&&&&mov&&&&&eax,&[esi]
&&&&&&&&mov&&&&&ebx,&[edx]
&&&&&&&&mov&&&&&ebp,&eax
&&&&&&&&and&&&&&eax,&ebx
&&&&&&&&xor&&&&&ebx,&ebp
&&&&&&&&shr&&&&&ebx,&1
&&&&&&&&and&&&&&ebx,&7F7F7F7Fh
&&&&&&&&add&&&&&eax,&ebx
&&&&&&&&mov&&&&&[edi],&eax
&&&&&&&&dec&&&&&ecx
&&&&&&&&jnz&&&&<op
&&&&!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!
&&&&!!!!!!!!!!ASM&CODE!!!!!!!!!!!!!!!!!!!!!!!!!!!!
&&&&&&&&;&这是MMX&Solution&by&Paul&Hsieh
&&&&&&&<op:
&&&&&&&&movq&&&&mm0,&[esi]
&&&&&&&&movq&&&&mm1,&[edx]
&&&&&&&&movq&&&&mm2,&mm0
&&&&&&&&pand&&&&mm0,&mm1
&&&&&&&&pxor&&&&mm1,&mm2
&&&&&&&&psrlb&&&mm1,&1
&&&&&&&&paddb&&&mm0,&mm1
&&&&&&&&movq&&&&[edi],&mm0
&&&&&&&&dec&&&&&ecx
&&&&&&&&jnz&&&&<op
&&&&!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!
&&&&这二个方案用的下面的这个发现
&&&&-------quote-----------------------
&&&&&&&&A&+&B&=&(A&and&B)&*&2&+&(A&xor&B)
&&&&&&&&And&therefore:
&&&&&&&&(A&+&B)/2&=&(A&and&B)&+&(A&xor&B)/2
&&&&------------------------------
&&&&对于int而言，原样的A+&B可能会引起数值溢出。但(A&and&B)&+&(A&xor&B)/2&就不会了。
&&&&第三个pixel&bashing的函数是一个饱和加(当溢出时，把被塞饱饱的数字返回来，比方32bits的int溢出了0xffffffff)。用&MMX的指令实现的话，这只是一个琐碎的只需要一个paddusb的小程序(Gordy指出这个指令了)。但用int实现的函数呢？我来用下面的函数实现了int的饱和加：
&&&&!!!!!!!!!!ASM&CODE!!!!!!!!!!!!!!!!!!!!!!!!!!!!
&&&&&&&&;&Integer&solution&by&Paul&Hsieh
&&&&&&&&mov&eax,&[esi]&&&&&&;&src0
&&&&&&&&mov&ebx,&[edi]&&&&&&;&src1
&&&&&&&&mov&ecx,&eax
&&&&&&&&mov&edx,&ebx
&&&&&&&&and&ecx,&ebx&&&&&&&&;&first&bit&carry
&&&&&&&&xor&edx,&eax&&&&&&&&;&first&bit&add&(mod&2)
&&&&&&&&and&eax,&0xFEFEFEFE
&&&&&&&&and&ebx,&0xFEFEFEFE
&&&&&&&&add&eax,&ebx&&&&&&&&;&Add&top&7&bits&(A&0xFE)+(B&0xFE)
&&&&&&&&sar&eax,&1&&&&&&&&&&;&&&=&1&to&capture&carry&bits
&&&&&&&&and&ecx,&0x&;&Is&there&a&carry&to&the&second&bit?
&&&&&&&&add&eax,&ecx&&&&&&&&;&(...)&&1
&&&&&&&&mov&ecx,&eax
&&&&&&&&and&edx,&0x&;&first&bit
&&&&&&&&and&eax,&0x7F7F7F7F
&&&&&&&&shr&ecx,&7
&&&&&&&&shl&eax,&1&&&&&&&&&&;&(...)&0xFE
&&&&&&&&and&ecx,&0x&;&overflows
&&&&&&&&or&&eax,&edx&&&&&&&&;&((...)&0xFE)&+&(((A&0x01)+(B&0x01))&1)
&&&&&&&&xor&ecx,&0x&;&blockers
&&&&&&&&sub&ecx,&0x&;&0-&80,&1-&7F
&&&&&&&&and&ecx,&0x7F7F7F7F&;&0-&00,&1-&7F
&&&&&&&&or&&eax,&ecx
&&&&&&&&shl&ecx,&1
&&&&&&&&or&&eax,&ecx
&&&&!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!
&&&&现在，我们要把低位的bits们分开，以确定我们可以用8bits大小的空间提高一个并行同时实现的数个加法。
&&&&-------quote-----------------------
&&&&&&&&A&=&(A&0xFE)&+&(A&0x01)
&&&&&&&&B&=&(B&0xFE)&+&(B&0x01)
&&&&&&&&So
&&&&&&&&A&+&B&&=&((A&0xFE)+(B&0xFE))&+&((A&0x01)+(B&0x01))
&&&&&&&&=&((A&0xFE)+(B&0xFE))&+&((A&B&0x01)*2&+&((A&xor&B)&0x01))
&&&&------------------------------
&&&&carry&flag溢出到9th&bit的标志，被转换成一个0x00或0x7f&mask了。用一个or&mask进目标的操作，在左移一位，这样就和有carry&flag时的adc/sbb有相同的作用了。
&&&&然后现在呢，当carry&flag要被第一个add扑捉到并且用掉了，c编译器又不能复述出来我们的这段代码了
&&&&update&补充:
&&&&Oliver&Weichhold&在comp.lang.asm.x86问了一个很有趣的问题：
&&&&----Quote--------------------------
&&&&&&&&I&need&to&convert&a&color&value&(actually&a&texel&fetched&from&a&A4R4G4B4&texture)&to&a&A15R15G15B15&color&value&held&in&an&MMX®ister.
&&&&&&&&我需要把一个颜色值(事实上是从一个A4R4G4B4&texture上牵引出来的一个像素)，到一个A15R15G15B15&颜色里，结果保存到MMX寄存器里
&&&&------------------------------
&&&&看到这个问题的本能反应一般都是用多个shift位移和mask来实现，但这个真的是完全没必要的。考虑一下，在需要映射它们之间的关系时你不会真的想把16个独立bits的输入随便的填充到输出里面吧。
&&&&是时候找出来&查表法&了，然后的确的，你可以看到一个非常精彩简单的代码了:
&&&&!!!!!!!ASM&CODE!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!
&&&&&&&&movzx&&&&&eax,&word&ptr&input_A4R4G4B4
&&&&&&&&movzx&&&&&ebx,&al
&&&&&&&&shr&&&&&&&eax,&8
&&&&&&&&movd&&&&&&mm0,&dword&ptr&Table_G4B4_to_G15B15&[ebx*4]
&&&&&&&&movd&&&&&&mm1,&dword&ptr&Table_A4R4_to_A15R15&[eax*4]
&&&&&&&&punpckldq&mm0,&mm1
&&&&!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!
&&&&这个表用一些简单的c代码就可以初始化好。
11.转化字符串成大写
&&&&//&/;^]&这个就是我搜索这篇文章出来的原因。我也最后总结下学习下的一点点成果，嗦下自己的note。
&&&&在传统的智慧里，会说转化ASCII字符串到大写会需要一个查一个表，每一个每一种字节都需要表。可是性能的问题来了，X86处理器想要的是&32(或16)&bits的寄存器，那这下这些那样的&byte-&dword(或者word)的转化就会扭着CPU的性子发生了。这对AMD来说，就像被罚站了一样，对intel的也像罚抄汉字成语一样。
&&&&那我们的改进型算法在哪呢？唔，我们可以用SIMD(Single&instruction,&multiple&data一条指令，多条数据，这儿意指我们自创的高级CPU指令)来减轻运算压力得到想要的性能来，那首先我们需要把数字范围[61h,&7Ah]到[41h,&5Ah]的转化方法的流程也转化转化。而我进行转化的关键就在于ASCII的码只定义在[00h,&7Fh]&之间，然后可以通过往后转转(转5到[66-7f])这个范围里的数字得到在一个特殊范围的数字，再masking一下(确定得到的还是[00h,&7Fh]&之间)，得到的数往后再转转(转1a，之前66-7f范围的得到80-99之间的数字)，这样把得到的数字右移2位(0x80&&2==&0x20)又和mask&0x20&and下，这样就只有61-7a之间的数字才能0x20的结果。恰好是大写和小写的差距。&/:^]
&&&&!!!!!!!ASM&CODE!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!
&&&&&&&&;&Integer&SIMD&uppercase(string)&by&Paul&Hsieh
&&&&&&&&mov&&eax,&src[esi]
&&&&&&&&mov&&ebx,&7f7f7f7fh
&&&&&&&&mov&&edx,&7f7f7f7fh
&&&&&&&&and&&ebx,&eax&&&&&&&&;&61-7a&|&00-60,7b-7f&
&&&&&&&&add&&ebx,&h&&;&66-7f&|&05-65,80-84
&&&&&&&&and&&ebx,&edx&&&&&&&&;&66-7f&|&00-65
&&&&&&&&add&&ebx,&1a1a1a1ah&&;&80-99&|&1a-7f
&&&&&&&&shr&&ebx,&2
&&&&&&&&and&&ebx,&h&&;&&&&20&|&00
&&&&&&&&sub&&eax,&ebx&&&&&&&&;&41-5a&|&00-60,7b-7f
&&&&!!!!!!!!!!!!!!!!!!!!!!!!!!!!!
