我們有無數方法可用於刪除字符串中的所有空白,但是哪個更快呢?
介紹
如果你問空白是什麼,那說起來還真是有些亂。許多人認為空白就是SPACE 字符(UnicodeU+0020,ASCII 32,HTML ),但它實際上還包括使得版式水平和垂直出現空格的所有字符。事實上,這是一整類定義為Unicode字符數據庫的字符。
本文所說的空白,不但指的是它的正確定義,同時也包括string.Replace(” “, “”)方法。
這裡的基准方法,將刪除所有頭尾和中間的空白。這就是文章標題中“所有空白”的含義。
背景
這篇文章一開始是出於我的好奇心。事實上,我並不需要用最快的算法來刪除字符串中的空白。
檢查空白字符
檢查空白字符很簡單。所有你需要的代碼就是:
char wp = ' '; char a = 'a'; Assert.True(char.IsWhiteSpace(wp)); Assert.False(char.IsWhiteSpace(a)); 但是,當我實現手動優化刪除方法時,我意識到這並不像預期得那麼好。一些源代碼在微軟的參考源代碼庫的char.cs挖掘找到: public static bool IsWhiteSpace(char c) { if (IsLatin1(c)) { return (IsWhiteSpaceLatin1(c)); } return CharUnicodeInfo.IsWhiteSpace(c); } 然後CharUnicodeInfo.IsWhiteSpace成了: internal static bool IsWhiteSpace(char c) { UnicodeCategory uc = GetUnicodeCategory(c); // In Unicode 3.0, U+2028 is the only character which is under the category "LineSeparator". // And U+2029 is th eonly character which is under the category "ParagraphSeparator". switch (uc) { case (UnicodeCategory.SpaceSeparator): case (UnicodeCategory.LineSeparator): case (UnicodeCategory.ParagraphSeparator): return (true); } return (false); }
GetUnicodeCategory()方法調用InternalGetUnicodeCategory()方法,而且實際上相當快,但現在我們依次已經有了4個方法調用!以下這段代碼是由一位評論者提供的,可用於快速實現定制版本和JIT默認內聯:
// whitespace detection method: very fast, a lot faster than Char.IsWhiteSpace [MethodImpl(MethodImplOptions.AggressiveInlining)] // if it's not inlined then it will be slow!!! public static bool isWhiteSpace(char ch) { // this is surprisingly faster than the equivalent if statement switch (ch) { case '\u0009': case '\u000A': case '\u000B': case '\u000C': case '\u000D': case '\u0020': case '\u0085': case '\u00A0': case '\u1680': case '\u2000': case '\u2001': case '\u2002': case '\u2003': case '\u2004': case '\u2005': case '\u2006': case '\u2007': case '\u2008': case '\u2009': case '\u200A': case '\u2028': case '\u2029': case '\u202F': case '\u205F': case '\u3000': return true; default: return false; } }
刪除字符串的不同方法
我用各種不同的方法來實現刪除字符串中的所有空白。
分離合並法
這是我一直在用的一個非常簡單的方法。根據空格字符分離字符串,但不包括空項,然後將產生的碎片重新合並到一起。這方法聽上去有點傻乎乎的,而事實上,乍一看,很像是一個非常浪費的解決方式:
public static string TrimAllWithSplitAndJoin(string str) { return string.Concat(str.Split(default(string[]), StringSplitOptions.RemoveEmptyEntries)); } LINQ 這是優雅地聲明式地實現這個過程的方法: public static string TrimAllWithLinq(string str) { return new string(str.Where(c => !isWhiteSpace(c)).ToArray()); }
正則表達式
正則表達式是非常強大的力量,任何程序員都應該意識到這一點。
static Regex whitespace = new Regex(@"\s+", RegexOptions.Compiled); public static string TrimAllWithRegex(string str) { return whitespace.Replace(str, ""); }
字符數組原地轉換法
該方法將輸入的字符串轉換成字符數組,然後原地掃描字符串去除空白字符(不創建中間緩沖區或字符串)。最後,經過“刪減”的數組會產生新的字符串。
public static string TrimAllWithInplaceCharArray(string str) { var len = str.Length; var src = str.ToCharArray(); int dstIdx = 0; for (int i = 0; i < len; i++) { var ch = src[i]; if (!isWhiteSpace(ch)) src[dstIdx++] = ch; } return new string(src, 0, dstIdx); }
字符數組復制法
這種方法類似於字符數組原地轉換法,但它使用Array.Copy復制連續非空白“字符串”的同時跳過空格。最後,它將創建一個適當尺寸的字符數組,並用相同的方式返回一個新的字符串。
public static string TrimAllWithCharArrayCopy(string str) { var len = str.Length; var src = str.ToCharArray(); int srcIdx = 0, dstIdx = 0, count = 0; for (int i = 0; i < len; i++) { if (isWhiteSpace(src[i])) { count = i - srcIdx; Array.Copy(src, srcIdx, src, dstIdx, count); srcIdx += count + 1; dstIdx += count; len--; } } if (dstIdx < len) Array.Copy(src, srcIdx, src, dstIdx, len - dstIdx); return new string(src, 0, len); }
循環交換法
用代碼實現循環,並使用StringBuilder類,通過依靠StringBuilder的內在優化來創建新的字符串。為了避免任何其他因素對本實施產生干擾,不調用其他的方法,並且通過緩存到本地變量避免訪問類成員。最後通過設置StringBuilder.Length將緩沖區調整到合適大小。
// Code suggested by http://www.codeproject.com/Members/TheBasketcaseSoftware
public static string TrimAllWithLexerLoop(string s) { int length = s.Length; var buffer = new StringBuilder(s); var dstIdx = 0; for (int index = 0; index < s.Length; index++) { char ch = s[index]; switch (ch) { case '\u0020': case '\u00A0': case '\u1680': case '\u2000': case '\u2001': case '\u2002': case '\u2003': case '\u2004': case '\u2005': case '\u2006': case '\u2007': case '\u2008': case '\u2009': case '\u200A': case '\u202F': case '\u205F': case '\u3000': case '\u2028': case '\u2029': case '\u0009': case '\u000A': case '\u000B': case '\u000C': case '\u000D': case '\u0085': length--; continue; default: break; } buffer[dstIdx++] = ch; } buffer.Length = length; return buffer.ToString();; }
循環字符法
這種方法幾乎和前面的循環交換法相同,不過它采用if語句來調用isWhiteSpace(),而不是亂七八糟的switch伎倆 :)。
public static string TrimAllWithLexerLoopCharIsWhitespce(string s) { int length = s.Length; var buffer = new StringBuilder(s); var dstIdx = 0; for (int index = 0; index < s.Length; index++) { char currentchar = s[index]; if (isWhiteSpace(currentchar)) length--; else buffer[dstIdx++] = currentchar; } buffer.Length = length; return buffer.ToString();; }
原地改變字符串法(不安全)
這種方法使用不安全的字符指針和指針運算來原地改變字符串。我不推薦這個方法,因為它打破了.NET框架在生產中的基本約定:字符串是不可變的。
public static unsafe string TrimAllWithStringInplace(string str) { fixed (char* pfixed = str) { char* dst = pfixed; for (char* p = pfixed; *p != 0; p++) if (!isWhiteSpace(*p)) *dst++ = *p; /*// reset the string size * ONLY IT DIDN'T WORK! A GARBAGE COLLECTION ACCESS VIOLATION OCCURRED AFTER USING IT * SO I HAD TO RESORT TO RETURN A NEW STRING INSTEAD, WITH ONLY THE PERTINENT BYTES * IT WOULD BE A LOT FASTER IF IT DID WORK THOUGH... Int32 len = (Int32)(dst - pfixed); Int32* pi = (Int32*)pfixed; pi[-1] = len; pfixed[len] = '\0';*/ return new string(pfixed, 0, (int)(dst - pfixed)); } }
原地改變字符串法V2(不安全)
這種方法幾乎和前面那個相同,不過此處使用類似數組的指針訪問。我很好奇,不知道這兩種哪種存儲訪問會更快。
public static unsafe string TrimAllWithStringInplaceV2(string str) { var len = str.Length; fixed (char* pStr = str) { int dstIdx = 0; for (int i = 0; i < len; i++) if (!isWhiteSpace(pStr[i])) pStr[dstIdx++] = pStr[i]; // since the unsafe string length reset didn't work we need to resort to this slower compromise return new string(pStr, 0, dstIdx); } } String.Replace(“”,“”)
這種實現方法很天真,由於它只替換空格字符,所以它不使用空白的正確定義,因此會遺漏很多其他的空格字符。雖然它應該算是本文中最快的方法,但功能不及其他。
但如果你只需要去掉真正的空格字符,那就很難用純.NET寫出勝過string.Replace的代碼。大多數字符串方法將回退到手動優化本地C ++代碼。而String.Replace本身將用comstring.cpp調用C ++方法:
FCIMPL3(Object*, COMString::ReplaceString, StringObject* thisRefUNSAFE, StringObject* oldValueUNSAFE, StringObject* newValueUNSAFE)
下面是基准測試套件方法:
public static string TrimAllWithStringReplace(string str) { // This method is NOT functionaly equivalent to the others as it will only trim "spaces" // Whitespace comprises lots of other characters return str.Replace(" ", ""); }
以上就是.NET中刪除空白字符串的10大方法,希望對大家的學習有所幫助。