我們有無數方法可用于删除字元串中的所有空白，但是哪個更快呢？
介紹
我們有無數方法可用于删除字元串中的所有空白。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式中，是否采用最快的方法可能就會造成天壤之别。
如果你問空白是什麼，那說起來還真是有些亂。許多人認為空白就是<code>space</code> 字元（unicodeu+0020，ascii 32，html<code>&#32;</code>），但它實際上還包括使得版式水準和垂直出現空格的所有字元。事實上，這是一整類定義為unicode字元資料庫的字元。
本文所說的空白，不但指的是它的正确定義，同時也包括string.replace(” “, “”)方法。
這裡的基準方法，将删除所有頭尾和中間的空白。這就是文章标題中“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删除字元串中的空白。
檢查空白字元
檢查空白字元很簡單。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，當我實作手動優化删除方法時，我意識到這并不像預期得那麼好。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);
}
然後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，可用于快速實作定制版本和jit預設内聯：
// 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;
删除字元串的不同方法
我用各種不同的方法來實作删除字元串中的所有空白。
分離合并法
這是我一直在用的一個非常簡單的方法。根據空格字元分離字元串，但不包括空項，然後将産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作這個過程的方法：
public static string trimallwithlinq(string str) {
return new string(str.where(c => !iswhitespace(c)).toarray());
正規表達式
static regex whitespace = new regex(@"\s+", regexoptions.compiled);
public static string trimallwithregex(string str) {
return whitespace.replace(str, "");
字元數組原地轉換法
該方法将輸入的字元串轉換成字元數組，然後原地掃描字元串去除空白字元（不建立中間緩沖區或字元串）。最後，經過“删減”的數組會産生新的字元串。
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);
字元數組複制法
這種方法類似于字元數組原地轉換法，但它使用array.copy複制連續非空白“字元串”的同時跳過空格。最後，它将建立一個适當尺寸的字元數組，并用相同的方式傳回一個新的字元串。
public static string trimallwithchararraycopy(string str) {
int srcidx = 0, dstidx = 0, count = 0;
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
用代碼實作循環，并使用<code>stringbuilder</code>類，通過依靠stringbuilder的内在優化來建立新的字元串。為了避免任何其他因素對本實施産生幹擾，不調用其他的方法，并且通過緩存到本地變量避免通路類成員。最後通過設定stringbuilder.length将緩沖區調整到合适大小。
// 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();;
循環字元法
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<code>switch</code>伎倆 :)。
public static string trimallwithlexerloopchariswhitespce(string s) {
char currentchar = s[index];
if (iswhitespace(currentchar))
length--;
else
buffer[dstidx++] = currentchar;
原地改變字元串法（不安全）
這種方法使用不安全的字元指針和指針運算來原地改變字元串。我不推薦這個方法，因為它打破了.net架構在生産中的基本約定：字元串是不可變的。
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));
原地改變字元串法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通路。我很好奇，不知道這兩種哪種存儲通路會更快。
public static unsafe string trimallwithstringinplacev2(string str) {
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（“”，“”）
這種實作方法很天真，由于它隻替換空格字元，是以它不使用空白的正确定義，是以會遺漏很多其他的空格字元。雖然它應該算是本文中最快的方法，但功能不及其他。
但如果你隻需要去掉真正的空格字元，那就很難用純.net寫出勝過string.replace的代碼。大多數字元串方法将回退到手動優化本地c ++代碼。而string.replace本身将用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檔案，依據the code project open license (cpol)的許可。
作者：小峰
來源：51cto