10个.NET中删除空白字符串的方法
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 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; } }
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 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 didn't 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。
上一篇: ASP.NET用户注册实战(第11节)
下一篇: CSS兼容要点分析