10个.NET中删除空白字符串的方法 |
|
本文标签：.NET,删除空白字符串 我们有无数方法可用于删除字符串中的所有空白，但是哪个更快呢？ 介绍 如果你问空白是什么，那说起来还真是有些乱 。许多人认为空白就是SPACE 字符（UnicodeU+0020，ASCII 32，HTML ），但它实际上还包括使得版式水平和垂直出现空格的所有字符 。事实上，这是一整类定义为Unicode字符数据库的字符 。 本文所说的空白，不但指的是它的正确定义，同时也包括string.Replace(” “, “”)方法 。 这里的基准方法，将删除所有头尾和中间的空白 。这就是文章标题中“所有空白”的含义 。
背景 这篇文章一开始是出于我的好奇心 。事实上，我并不需要用最快的算法来删除字符串中的空白 。 检查空白字符 检查空白字符很简单 。所有你需要的代码就是：
char wp = ;
char a = a;
Assert.True(char.IsWhiteSpace(wp));
Assert.False(char.IsWhiteSpace(a));
但是，当我实现手动优化删除方法时，我意识到这并不像预期得那么好 。一些源代码在微软的参考源代码库的char.cs挖掘找到：
public static bool IsWhiteSpace(char c) {
if (IsLatin1(c)) {
return (IsWhiteSpaceLatin1(c));
}
return CharUnicodeInfo.IsWhiteSpace(c);
}
然后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()方法调用InternalGetUnicodeCategory()方法，而且实际上相当快，但现在我们依次已经有了4个方法调用！以下这段代码是由一位评论者提供的，可用于快速实现定制版本和JIT默认内联：
// whitespace detection method: very fast, a lot faster than Char.IsWhiteSpace
[MethodImpl(MethodImplOptions.AggressiveInlining)] // if its 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;
}
}
删除字符串的不同方法 我用各种不同的方法来实现删除字符串中的所有空白 。 分离合并法 这是我一直在用的一个非常简单的方法 。根据空格字符分离字符串，但不包括空项，然后将产生的碎片重新合并到一起 。这方法听上去有点傻乎乎的，而事实上，乍一看，很像是一个非常浪费的解决方式：
public static string TrimAllWithSplitAndJoin(string str) {
return string.Concat(str.Split(default(string[]), StringSplitOptions.RemoveEmptyEntries));
}
LINQ
这是优雅地声明式地实现这个过程的方法：
public static string TrimAllWithLinq(string str) {
return new string(str.Where(c => !isWhiteSpace(c)).ToArray());
}
正则表达式 正则表达式是非常强大的力量，任何程序员都应该意识到这一点 。
static Regex whitespace = new Regex(@"\s+", RegexOptions.Compiled);
public static string TrimAllWithRegex(string str) {
return whitespace.Replace(str, "");
}
字符数组原地转换法 该方法将输入的字符串转换成字符数组，然后原地扫描字符串去除空白字符（不创建中间缓冲区或字符串） 。最后，经过“删减”的数组会产生新的字符串 。
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);
}
字符数组复制法 这种方法类似于字符数组原地转换法，但它使用Array.Copy复制连续非空白“字符串”的同时跳过空格 。最后，它将创建一个适当尺寸的字符数组，并用相同的方式返回一个新的字符串 。
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);
}
循环交换法 用代码实现循环，并使用StringBuilder类，通过依靠StringBuilder的内在优化来创建新的字符串 。为了避免任何其他因素对本实施产生干扰，不调用其他的方法，并且通过缓存到本地变量避免访问类成员 。最后通过设置StringBuilder.Length将缓冲区调整到合适大小 。 // 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();;
}
循环字符法 这种方法几乎和前面的循环交换法相同，不过它采用if语句来调用isWhiteSpace()，而不是乱七八糟的switch伎俩 :) 。
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();;
}
原地改变字符串法（不安全） 这种方法使用不安全的字符指针和指针运算来原地改变字符串 。我不推荐这个方法，因为它打破了.NET框架在生产中的基本约定：字符串是不可变的 。
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 DIDNT 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));
}
}
原地改变字符串法V2（不安全） 这种方法几乎和前面那个相同，不过此处使用类似数组的指针访问 。我很好奇，不知道这两种哪种存储访问会更快 。
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 didnt work we need to resort to this slower compromise
return new string(pStr, 0, dstIdx);
}
}
String.Replace（“”，“”）
这种实现方法很天真，由于它只替换空格字符，所以它不使用空白的正确定义，因此会遗漏很多其他的空格字符 。虽然它应该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，那就很难用纯.NET写出胜过string.Replace的代码 。大多数字符串方法将回退到手动优化本地C ++代码 。而String.Replace本身将用comstring.cpp调用C ++方法： FCIMPL3(Object*, COMString::ReplaceString, StringObject* thisRefUNSAFE, StringObject* oldValueUNSAFE, StringObject* newValueUNSAFE) 下面是基准测试套件方法：
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中删除空白字符串的10大方法，希望对大家的学习有所帮助 。 |
