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--;elsebuffer[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] = "";*/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 compromisereturn 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 charactersreturn 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。