我們有無數(shù)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(shù)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(shù)的用例中很好工作，但在某些對時間敏感的應(yīng)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(rèn)為空白就是SPACE 字符（UnicodeU+0020，ASCII 32，HTML ），但它實(shí)際上還包括使得版式水平和垂直出現(xiàn)空格的所有字符。事實(shí)上，這是一整類定義為Unicode字符數(shù)據(jù)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(zhǔn)方法，將刪除所有頭尾和中間的空白。這就是文章標(biāo)題中“所有空白”的含義。

[[145166]]

背景

這篇文章一開始是出于我的好奇心。事實(shí)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(dāng)我實(shí)現(xiàn)手動優(yōu)化刪除方法時，我意識到這并不像預(yù)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(diào)用InternalGetUnicodeCategory()方法，而且實(shí)際上相當(dāng)快，但現(xiàn)在我們依次已經(jīng)有了4個方法調(diào)用！以下這段代碼是由一位評論者提供的，可用于快速實(shí)現(xiàn)定制版本和JIT默認(rèn)內(nèi)聯(lián)： 
 
// 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(shí)現(xiàn)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(jù)空格字符分離字符串，但不包括空項(xiàng)，然后將產(chǎn)生的碎片重新合并到一起。這方法聽上去有點(diǎn)傻乎乎的，而事實(shí)上，乍一看，很像是一個非常浪費(fèi)的解決方式：

public static string TrimAllWithSplitAndJoin(string str) { 
    return string.Concat(str.Split(default(string[]), StringSplitOptions.RemoveEmptyEntries)); 
} 
 
LINQ 
 
這是優(yōu)雅地聲明式地實(shí)現(xiàn)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(dá)式

正則表達(dá)式是非常強(qiáng)大的力量，任何程序員都應(yīng)該意識到這一點(diǎn)。

static Regex whitespace = new Regex(@"\s+", RegexOptions.Compiled); 
 
public static string TrimAllWithRegex(string str) { 
    return whitespace.Replace(str, ""); 
} 

字符數(shù)組原地轉(zhuǎn)換法

該方法將輸入的字符串轉(zhuǎn)換成字符數(shù)組，然后原地掃描字符串去除空白字符（不創(chuàng)建中間緩沖區(qū)或字符串）。***，經(jīng)過“刪減”的數(shù)組會產(chǎn)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(shù)組復(fù)制法

這種方法類似于字符數(shù)組原地轉(zhuǎn)換法，但它使用Array.Copy復(fù)制連續(xù)非空白“字符串”的同時跳過空格。***，它將創(chuàng)建一個適當(dāng)尺寸的字符數(shù)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(huán)交換法

用代碼實(shí)現(xiàn)循環(huán)，并使用StringBuilder類，通過依靠StringBuilder的內(nèi)在優(yōu)化來創(chuàng)建新的字符串。為了避免任何其他因素對本實(shí)施產(chǎn)生干擾，不調(diào)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(shè)置StringBuilder.Length將緩沖區(qū)調(diào)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(huán)字符法

這種方法幾乎和前面的循環(huán)交換法相同，不過它采用if語句來調(diào)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(yùn)算來原地改變字符串。我不推薦這個方法，因?yàn)樗蚱屏?NET框架在生產(chǎn)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(shù)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(shí)現(xiàn)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(yīng)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(shù)字符串方法將回退到手動優(yōu)化本地C ++代碼。而String.Replace本身將用comstring.cpp調(diào)用C ++方法：

FCIMPL3(Object*,
    COMString::ReplaceString,
    StringObject* thisRefUNSAFE,
    StringObject* oldValueUNSAFE,
    StringObject* newValueUNSAFE)

下面是基準(zhǔn)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(guān)的源代碼和文件，依據(jù)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