.NET中刪除空白字符串的10大方法
我們有無數方法可用于刪除字符串中的所有空白，但是哪個更快呢？
介紹
我們有無數方法可用于刪除字符串中的所有空白。大部分都能夠在絕大多數的用例中很好工作，但在某些對時間敏感的應用程序中，是否采用最快的方法可能就會造成天壤之別。
如果你問空白是什么，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。
這里的基準方法，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于我的好奇心。事實上，我并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，我意識到這并不像預期得那么好。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，可用于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。
分離合并法
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，然后將產生的碎片重新合并到一起。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，然后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）。***，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
這種方法類似于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。***，它將創建一個適當尺寸的字符數組，并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，并使用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，并且通過緩存到本地變量避免訪問類成員。***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，由于它只替換空格字符，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)
下面是基準測試套件方法：
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(" ", "");
}
許可證
這篇文章，以及任何相關的源代碼和文件，依據The Code Project Open License (CPOL)的許可。
譯文鏈接：http://www.codeceo.com/article/donet-remove-whitespace-string.html
英文原文：Fastest method to remove all whitespace from Strings in .NET
