.NET中删除空白字符串的10大方法

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

我们有无数方法可用于删除字符串中的所有空白。大部分都能够在绝大多数的用例中很好工作，但在某些对时间敏感的应用程序中，是否采用最快的方法可能就会造成天壤之别。

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：

1. char  wp =  ' ' ; 
2. char  a =  'a' ; 
3. Assert.True( char .IsWhiteSpace(wp)); 
4. 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：

1. public   static  bool IsWhiteSpace( char  c) { 
2.      if  (IsLatin1(c)) { 
3.          return  (IsWhiteSpaceLatin1(c)); 
4.     } 
5.      return  CharUnicodeInfo.IsWhiteSpace(c); 
6. } 
7.  
8. 然后CharUnicodeInfo.IsWhiteSpace成了： 
9.  
10. internal  static  bool IsWhiteSpace( char  c) 
11. { 
12.     UnicodeCategory uc = GetUnicodeCategory(c); 
13.       
14.       
15.      switch  (uc) { 
16.          case  (UnicodeCategory.SpaceSeparator): 
17.          case  (UnicodeCategory.LineSeparator): 
18.          case  (UnicodeCategory.ParagraphSeparator): 
19.              return  ( true ); 
20.     } 
21.  
22.      return  ( false ); 
23. } 

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：

1.  
2. [MethodImpl(MethodImplOptions.AggressiveInlining)]  // if it's not inlined then it will be slow!!!  
3. public   static  bool isWhiteSpace( char  ch) { 
4.      // this is surprisingly faster than the equivalent if statement  
5.      switch  (ch) { 
6.          case   '/u0009' :  case   '/u000A' :  case   '/u000B' :  case   '/u000C' :  case   '/u000D' : 
7.          case   '/u0020' :  case   '/u0085' :  case   '/u00A0' :  case   '/u1680' :  case   '/u2000' : 
8.          case   '/u2001' :  case   '/u2002' :  case   '/u2003' :  case   '/u2004' :  case   '/u2005' : 
9.          case   '/u2006' :  case   '/u2007' :  case   '/u2008' :  case   '/u2009' :  case   '/u200A' : 
10.          case   '/u2028' :  case   '/u2029' :  case   '/u202F' :  case   '/u205F' :  case   '/u3000' : 
11.              return   true ; 
12.          default : 
13.              return   false ; 
14.     } 
15. } 

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：

1. public   static  string TrimAllWithSplitAndJoin(string str) { 
2.      return  string.Concat(str.Split( default (string[]), StringSplitOptions.RemoveEmptyEntries)); 
3. } 

LINQ

这是优雅地声明式地实现这个过程的方法：

1. public   static  string TrimAllWithLinq(string str) { 
2.      return   new  string(str.Where(c => !isWhiteSpace(c)).ToArray()); 
3. } 

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。

1. static  Regex whitespace =  new  Regex(@ "/s+" , RegexOptions.Compiled); 
2.  
3. public   static  string TrimAllWithRegex(string str) { 
4.      return  whitespace.Replace(str,  "" ); 
5. } 

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。

1. public   static  string TrimAllWithInplaceCharArray(string str) { 
2.     var len = str.Length; 
3.     var src = str.ToCharArray(); 
4.      int  dstIdx =  0 ; 
5.      for  ( int  i =  0 ; i < len; i++) { 
6.         var ch = src[i]; 
7.          if  (!isWhiteSpace(ch)) 
8.             src[dstIdx++] = ch; 
9.     } 
10.      return   new  string(src,  0 , dstIdx); 
11. } 

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。

1. public   static  string TrimAllWithCharArrayCopy(string str) { 
2.     var len = str.Length; 
3.     var src = str.ToCharArray(); 
4.      int  srcIdx =  0 , dstIdx =  0 , count =  0 ; 
5.      for  ( int  i =  0 ; i < len; i++) { 
6.          if  (isWhiteSpace(src[i])) { 
7.             count = i - srcIdx; 
8.             Array.Copy(src, srcIdx, src, dstIdx, count); 
9.             srcIdx += count +  1 ; 
10.             dstIdx += count; 
11.             len--; 
12.         } 
13.     } 
14.      if  (dstIdx < len) 
15.         Array.Copy(src, srcIdx, src, dstIdx, len - dstIdx); 
16.      return   new  string(src,  0 , len); 
17. } 

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。

1.  
2. public   static  string TrimAllWithLexerLoop(string s) { 
3.     int length = s.Length; 
4.      var  buffer =  new  StringBuilder(s); 
5.      var  dstIdx = 0; 
6.      for  (int index = 0; index < s.Length; index++) { 
7.         char ch = s[index]; 
8.          switch  (ch) { 
9.              case   '/u0020' :  case   '/u00A0' :  case   '/u1680' :  case   '/u2000' :  case   '/u2001' : 
10.              case   '/u2002' :  case   '/u2003' :  case   '/u2004' :  case   '/u2005' :  case   '/u2006' : 
11.              case   '/u2007' :  case   '/u2008' :  case   '/u2009' :  case   '/u200A' :  case   '/u202F' : 
12.              case   '/u205F' :  case   '/u3000' :  case   '/u2028' :  case   '/u2029' :  case   '/u0009' : 
13.              case   '/u000A' :  case   '/u000B' :  case   '/u000C' :  case   '/u000D' :  case   '/u0085' : 
14.                 length--; 
15.                  continue ; 
16.              default : 
17.                  break ; 
18.         } 
19.         buffer[dstIdx++] = ch; 
20.     } 
21.     buffer.Length = length; 
22.      return  buffer.ToString();; 
23. } 

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 :)。

1. public   static  string TrimAllWithLexerLoopCharIsWhitespce(string s) { 
2.      int  length = s.Length; 
3.     var buffer =  new  StringBuilder(s); 
4.     var dstIdx =  0 ; 
5.      for  ( int  index =  0 ; index < s.Length; index++) { 
6.          char  currentchar = s[index]; 
7.          if  (isWhiteSpace(currentchar)) 
8.             length--; 
9.          else  
10.             buffer[dstIdx++] = currentchar; 
11.     } 
12.     buffer.Length = length; 
13.      return  buffer.ToString();; 
14. } 

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。

1. public   static  unsafe string TrimAllWithStringInplace(string str) { 
2.     fixed ( char * pfixed = str) { 
3.          char * dst = pfixed; 
4.          for  ( char * p = pfixed; *p !=  0 ; p++) 
5.              if  (!isWhiteSpace(*p)) 
6.                 *dst++ = *p; 
7.  
8.          /*// reset the string size  
9.             * IT WOULD BE A LOT FASTER IF IT DID WORK THOUGH...  
10.         Int32 len = (Int32)(dst - pfixed);  
11.         Int32* pi = (Int32*)pfixed;  
12.         pi[-1] = len;  
13.         pfixed[len] = '/0';*/  
14.          return   new  string(pfixed,  0 , ( int )(dst - pfixed)); 
15.     } 
16. } 

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。

1. public   static  unsafe string TrimAllWithStringInplaceV2(string str) { 
2.     var len = str.Length; 
3.     fixed ( char * pStr = str) { 
4.          int  dstIdx =  0 ; 
5.          for  ( int  i =  0 ; i < len; i++) 
6.              if  (!isWhiteSpace(pStr[i])) 
7.                 pStr[dstIdx++] = pStr[i]; 
8.           
9.          return   new  string(pStr,  0 , dstIdx); 
10.     } 
11. } 

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：

1. FCIMPL3(Object*, 
2.     COMString::ReplaceString, 
3.     StringObject* thisRefUNSAFE, 
4.     StringObject* oldValueUNSAFE, 
5.     StringObject* newValueUNSAFE) 

下面是基准测试套件方法：

1. public   static  string TrimAllWithStringReplace(string str) { 
2.       
3.      // Whitespace comprises lots of other characters  
4.      return  str.Replace( " " ,  "" ); 
5. } 

许可证

这篇文章，以及任何相关的源代码和文件，依据The Code Project Open License (CPOL)的许可。