C#.Net筑基-String字符串超全总结 [深度好文]

image.png

字符串是日常编码中最常用的引用类型了,可能没有之一,加上字符串的不可变性、驻留性,很容易产生性能问题,因此必须全面了解一下。


01、字符与字符编码

1.1、字符Char

字符 char 表示为 Unicode字符,在C#中用 UTF-16 编码表示,占用2个字节(16位)大小,字面量用单引号''包裹。

char c = 'A';
Console.WriteLine(char.IsDigit('3'));
Console.WriteLine(char.IsNumber('1'));
Console.WriteLine(char.IsLetter('A'));
Console.WriteLine(char.IsLower('a'));
Console.WriteLine(char.IsUpper('A'));
Console.WriteLine(char.GetUnicodeCategory('A')); //获取字符分类
  • char 是值类型(结构体),以16位整数形式存储,char可隐式转换为int
  • 字符串可以看做是char序列(数组),字符串是引用类型。

image.png

string str = "Hello World";
Console.WriteLine(str[0]);  //H
Console.WriteLine(str[10]); //d
Console.WriteLine(str[0].GetType().Name); //Char

1.2、字符集Unicode与字符编码

一般情况下字符串长度string.Length 就是可见的文本字符数量,但这并不绝对相等。大多数字符都是一个char组成,然而有些字符无法用一个char表示,如表情、不常用字符等,他们会用两个char(4个字节)来表示。

"a".Length.Dump();    //1
"🔊".Length.Dump();  //2
"🚩".Length.Dump();  //2
"⏰".Length.Dump();  //1
"你好".Length.Dump(); //2
"臢".Length.Dump();   //1
$"{(int)'A':X4}".Dump(); //0041
//上面的dump() 是一个扩展方法,作用同Console.WritLine()

Unicode 是国际标准、通用字符集,涵盖了世界上几乎所有的文字、符号,可以满足跨平台、跨语言的文本信息编码。Unicode 有100W+个字符地址空间,地址范围是 0x0000 - 0x10FFFF,每个字符都有自己的编码,目前已分配了大约10W+个。通常使用“U+”后跟一个十六进制数来表示,例如字母A的Unicode码点是U+0041

Unicode 字符集中包含多个分类(平面):其中最常用的就是基本平面,大部分常用字符都在这里面。

  • 🔸基本多文种平面(BMP,Basic Multilingual Plane):Unicode 的BMP区域几乎包含了所有常用的字符,如几十种主流语言,及30000+的汉字,BMP区域的字符都只需要1个char(2个字节)表示。
  • 🔸辅助平面(SMP):包含其他不常使用的字符,如一些历史文字、音乐符号、数学符号和表情符号等。该区域大多用两个char(4个字节)表示一个符号。

image.png

Unicode 是一种字符集,而实际在计算机上存储时需要用一个确定的编码方案,常见的就是UTF-8、UTF-16、UTF32。

  • UTF-16:2个字节表示BMP中的字符,其他字符会需要4个字节,C#、Java语言内部就是使用的UTF-16来表示的字符串。
  • UTF-8:变长编码,使用1到4个字节来表示一个Unicode字符,在互联网使用广泛。特别是存储 ASCII 为主的内容时,变长编码可以显著节约存储空间。

📢ASCII 字符集只包含 128个 基础字符,涵盖键盘上的字母、数字、常用符号。Unicode 是包含 ASCII字符集的,最前面128 个字符就是。在UTF-8编码中 ASCII字符只需要1个字节。


02、String基础

字符串 string 是一个不可变(不可修改)的字符序列(数组),为引用类型,字面量用双引号""包裹。

string s1 = "sam";
string s2 = new string('1',5);//11111
Console.WriteLine(s2[0]); //像数组一样操作字符串中的字符
string s3 = "";
string s4 = string.Empty; //效果同上
//相等比较
object s1= "Hello".Substring(0,2);
object s2 = "Hello".Substring(0,2);	
(s1==s2).Dump();        //False
(s1.Equals(s2)).Dump(); //True
  • 字符串是引用类型,因此可以用null表示,不过一般空字符建议用string.Empty(或"")表示。
  • 字符串可以当做 字符数组一样操作,只是不能修改。
  • 字符串的相等为值比较,只要字符序列相同即可。例外情况请是如果用object==比较,只会比较引用地址。

image.png

🚩 字符串在存储、转换为字节码时需指定编码,一般默认为 UTF-8,这是广泛使用的编码类型,更节省空间。

2.1、字符串常用API

属性 特点/说明
Length 字符串中字符数量
索引器[int index] 索引器,用索引获取字符,不可修改
🔸方法 特点/说明
StartsWithEndsWith(String) 判断开头、结尾是否匹配,"Hello".StartsWith("He")
Equals(String) 比较字符串是否相同
IndexOf() 查找指定字符(串)的索引位置,从后往前查找 LastIndexOf
Insert(Int32, String) 指定位置插入字符串,‼️返回新字符串!
PadLeft(Int32) 指定字符宽度(数量)对齐,左侧填充,‼️返回新字符串!右侧填充 PadRight(Int32)
Remove(Int32, Int32) 删除指定位置、长度的字符,‼️返回新字符串!
Replace(String, String) 替换指定内容的字符(串),‼️返回新字符串!
Substring(Int32, Int32) 截取指定位置、长度的字符串,‼️返回新字符串!
ToLower()ToUpper() 返回小写、大写形式的字符串,‼️返回新字符串!
Trim() 裁剪掉前后空格,‼️返回新字符串!有多个配套方法 TrimEndTrimStart
Split(char) 按分隔符分割字符串为多个子串,比较常用,不过性能不好,建议用Span代替。
🔸静态方法 特点/说明
Empty 获取一个空字符串(同""
Compare(String, String) 比较两个字符串,有很多重载,返回一个整数,0表示相同。
Concat (params string?[]) 连接多个字符串,返回一个新的字符串,有很多重载,是比较基础的字符串连接函数。
Equals(str, StringComparison) 比较字符串是否相同,可指定比较规则 StringComparison
Format(String, Object[]) 字符串格式化,远古时期常用的字符串格式化方式,现在多实用$插值
string Intern(String) 获取“内部”字符串,先检查字符串池中是否存在,有则返回其引用,没有则添加并返回
string? IsInterned(String) 判断是否在字符串池中,存在则返回其引用,没有则返回null
IsNullOrEmpty(String) 判断指定的字符串是否 null 、空字符""/String.Empty,返回bool
IsNullOrWhiteSpace(String) 判断指定的字符串是否 null 、空字符""/String.Empty、空格字符,返回bool
Join(Char, String[]) 用分隔符连接一个数组为一个字符串

2.2、字符串的不变性、驻留性

字符串是一种有一点点特别的引用类型,因为其不变性,所以在参数传递时有点像值类型。

  • 🔸不变性:字符串一经创建,值不可变。对字符串的各种修改操作都会创建新的字符串对象,这一点要非常重视,应尽量避免,较少不必要的内存开销。
  • 🔸驻留性:运行时将字符串值存储在“驻留池(字符串池)”中,相同值的字符串都复用同一地址。

不变性、驻留性 是.Net对string 的性能优化,提升字符串的处理性能。如下示例中,s1、s2字符串是同一个引用。

string s1 = "hello";
string s2 = "hello";
Console.WriteLine(s1 == s2);                      //True
Console.WriteLine(s1.Equals(s2));                 //True
Console.WriteLine(Object.ReferenceEquals(s1,s2)); //True

当然不是所有字符串都会驻留,那样驻留池不就撑爆了吗!一般只有两种情况下字符串会被驻留:

  • 字面量的字符串,这在编译阶段就能确定的“字符串常量值”。相同值的字符串只会分配一次,后面的就会复用同一引用。
  • 通过 string.Intern(string) 方法主动添加驻留池。

image.png

string st1 = "123" + "abc";
string st2 = "123abc";
string st3 = st2.Substring(0,3);

看看上面代码生成的IL代码:

image.png

  • 常量的字符串"123" + "abc"连接被编译器优化了。
  • 常量字符串使用指令“ldstr”加载的到栈,该指令会先查看驻留池中是否已存在,如果已存在则直接返回已有字符串对象的地址,否则就加入。

image.png

驻留的字符串(字符串池)在托管堆上存储,大家共享,内部其实是一个哈希表,存储被驻留的字符串和其内存地址。驻留池生命周期同进程,并不受GC管理,因此无法被回收。因此需要注意:

  • lock锁不能用string,避免使用同一个锁(字符串引用)。
  • 避免创建字面量的大字符串,会常住内存无法释放,当然也不要滥用string.Intern(string) 方法。

2.3、字符串的查找、比较

string 的 比较字符串 是默认包含文化和区分大小写的顺序比较,C#内置的一个字符串比较规则(枚举)StringComparison,可设置比较规则。在很多内置方法中使用,包括 String.Equals、String.Compare、String.IndexOf 和 String.StartsWith等。

📢 微软官方建议在使用上述字符串比较方法中明确指定 StringComparison 参数值,而不是默认的比较规则。

public enum StringComparison
{
	CurrentCulture,
	CurrentCultureIgnoreCase,
	InvariantCulture,
	InvariantCultureIgnoreCase,
	Ordinal,
	OrdinalIgnoreCase
}
void Main()
{
	string.Equals("ABC","abc",StringComparison.Ordinal);           //Fasle
	string.Equals("ABC","abc",StringComparison.OrdinalIgnoreCase); //True
	string.Compare("ABC","abc",StringComparison.Ordinal);          //-32
	string.Compare("ABC","abc",StringComparison.OrdinalIgnoreCase);//0
}
枚举值 说明
CurrentCulture 本地语言区域规则,适用于给用户显示的内容
CurrentCultureIgnoreCase 同上+忽略大小写
InvariantCulture 固定语言区域,适用于存储的数据
InvariantCultureIgnoreCase 同上+忽略大小写
Ordinal 二进制值顺序比较字符串,比较快⚡
OrdinalIgnoreCase 同上+忽略大小写

如果单纯从性能角度考虑,考虑语言文化的字符串比较其实比较慢,来测试对比一下。测试代码:

string s1 = "hellohellohellohello";
string s2 = "helloHelloHelloHello";

public bool Equals() => s1.Equals(s2);//False

public bool Equals_CurrentCulture() => s1.Equals(s2,StringComparison.CurrentCulture);//False
public bool Equals_CurrentCultureIgnoreCase() => s1.Equals(s2,StringComparison.CurrentCultureIgnoreCase);//True
public bool Equals_InvariantCulture() => s1.Equals(s2,StringComparison.InvariantCulture);//False
public bool Equals_InvariantCultureIgnoreCase() => s1.Equals(s2,StringComparison.InvariantCultureIgnoreCase);//True
public bool Equals_Ordinal() => s1.Equals(s2,StringComparison.Ordinal);//False
public bool Equals_OrdinalIgnoreCase() => s1.Equals(s2,StringComparison.OrdinalIgnoreCase);//True

public bool Equals_Span() => s1.AsSpan() == s2.AsSpan();//False
  • 上面7个方法 分别测试了Equals的默认版本、及带参 StringComparison 的不同比较规则的性能。
  • 最后加了一个使用Span 的相等比较,更多关于Span的资料查看《高性能的Span、Memory》。

image.png

🚩测结结论

  • Span最快,其次无参Equals()版本、Ordinal,他们都是只比较二进制值,不考虑文化信息。
  • 个人理解,如果不考虑一些比较特别的语言(如瑞典语、土耳其语、 阿塞拜疆语等),只是针对英文、中文的字符串,一般不用考虑文化语义。
  • Equals()默认是不考虑文化语义的字符值比较,但有些比较方法就不一定能了,比如StartsWithCompare 默认的是带文化语义的CurrentCulture规则,因此推荐主动配置 StringComparison 参数。

2.4、字符串转义\

转义字符:反斜杠“\”

转义序列 字符名称 Unicode 编码
\' 单引号 0x0027
\" 双引号 0x0022
\0 null 0x0000
\b Backspace 0x0008
\f 换页 0x000C
\n 换行 0x000A
\r 回车 0x000D
\t 水平制表符 0x0009

image.png


03、🚩字符串连接的8种方式

字符串连接(组装)的使用是非常频繁的,.Net中提供了多种姿势来实现,各有特点。

连接方法 示例/说明
直接相加 "hello"+str,其实编译后为 string.Concat ("hello", str)
连接函数:String.Concat() 字符串相加一般就是被编译为调用String.Concat()方法,有很多重载,支持任意多个参数
集合连接函数:String.Join() 将(集合)参数连接为一个字符串,string.Join('-',1,2,3); //1-2-3
格式化:String.Format() 传统的字符串格式化手艺,string.Format("name:{0},age:{1}",str,18)
$ 字符串插值 用花括号{var}引用变量、表达式,强大、方便,$"Hello {name} !"
@逐字文本字面量 支持转义符号、换行符,常用于文件路径、多行字符:@$"C:\\Users\\{name}\\Downloads"
"""原始字符串字面量 C# 11,三个双冒号包围,支持多行文本的原始字面量。
StringBuilder 当处理大量字符串连接操作时,推荐使用StringBuilder,效果更优。

字面量字符串的相加会被编译器优化,直接合并为一个字符串。

var str1 = "Hello " + "world" + " !";
var str2 = DateTime.Now.Year + "年" + DateTime.Now.Month + "月";

//编译后的代码:
string str1 = "Hello world !";
string str2 = string.Concat (DateTime.Now.Year.ToString (), "年", DateTime.Now.Month.ToString (), "月");

3.1、字符串格式化 String.Format

String.Format 方法是早期比较常用的字符串组织方式,后来$字符串插值 问世后就逐步被打入冷宫了。

string.Format("{0}+{1} = {2}",1,2,3);  //1+2 = 3
string.Format("Hello {0},{0}","sam");  //Hello sam,sam
String.Format("It is now {0:yyyy-MM-dd} at {0:hh:mm:ss}", DateTime.Now); //It is now 2024-01-17 at 10:56:33
String.Format("买了{0}个桔子,共花了{1:C2}。", 4,25.445); //买了4个桔子,共花了¥25.45。

基本语法规则就是用 {index}来占位,在后面的参数中给出值。

  • 索引位置从0开始,必须连续递增,可以重复。
  • 索引的位置对应后面参数的顺序位置,必须对应,参数不能少(抛出异常),可以多。
  • 字符串格式规则参考后文《字符串格式总结》。

3.2、$字符串插值

字符串插值的格式:$"{<interpolationExpression>}",大括号中可以是一个变量,一个(简单)表达式语句,还支持设置格式。功能强大、使用方便,老人孩子都爱用!

  • {}字符转义,用两个{{}}即可,如果只有一边,则用单引号'{{',即输出为{
  • 使用三元运算符?表达式,用括号包起来即可,因为“:”在插值字符串中有特殊含义,即格式化。
  • 字符串格式规则参考后文《字符串格式总结》。
var name = "sam";
Console.WriteLine($"Hello {name}!");  //Hello sam!
Console.WriteLine($"日期:{DateTime.Now.AddDays(1):yyyy-MM-dd HH:mm:ss}");  //日期:2024-01-18 23:21:55!
Console.WriteLine($"ThreadID:{Environment.CurrentManagedThreadId:0000}");  //ThreadID:0001
Console.WriteLine($"Length:{name.Length}");  //Length:3
Console.WriteLine($"Length:{(name.Length>3?"OK":"Error")}");  //Length:Error

3.3、@字符串支持任意字符

@标记的字符串为字面量字符串 ,不需要使用转义字符了,可搭配$字符串插值使用。文件路径地址都会用到@,两个冒号表示一个冒号,@"a""b" ==a"b

var path= @"D:\GApp\LINQPad 8\x64";
var file = $@"D:\GApp\LINQPad 8\x64\{DateTime.Now:D}";
var maxText = @"Hi All:
	第一行
		换行
	";

3.4、👍🏻StringBuilder

StringBuilder 字符串修理工程师,顾名思义,就是专门用来组装字符串的,可以看做是一个可变长字符集合。适用于把很多字符串组装到一起的场景,避免了大量临时字符串对象的创建,可显著提升性能。

var sb = new StringBuilder(100);
sb.Append("sam");
sb[0] = 'F';  //Fam
sb.AppendLine("age");
sb.Append("age").Append(Environment.NewLine); //效果同上
sb.Insert(2,"---");
sb.Replace("age","Age");

var result = sb.ToString(); //获取结果
属性 特点/说明
Capacity 获取、设置字符容量(实际占用内存),默认16,当内容增多容量不足时,会自动扩容。
MaxCapacity 获取最大容量,20亿字符
Length 实际字符内容的长度,可赋值,设置0则清空已有字符内容,但并不影响 Capacity
Chars[Int32] 索引器,可获取、设置字符
🔸方法 特点/说明
StringBuilder(Int32) 构造函数,参数指定初始容量capacity
Append(value) 追加字符,很多重载版本,类似还有AppendFormat、AppendJoin
AppendLine 追加字符后,再追加一个换行符
Insert (int index, value) 指定位置插入字符内容
Replace(Char, Char) 查找替换字符(字符串)内容,会替换所有找到的字符内容
ToString() 将 StringBuilder 输出为一个字符串,一般是StringBuilder的命运终点。
  • 各种Append方法都返回自身,可用来链式编程。
  • StringBuilder 默认容量为16,内部有一个char数组m_ChunkChars(缓冲区)来存储字符内容,如下StringBuilder构造函数源码
public StringBuilder()
{
	m_MaxCapacity = int.MaxValue;
	m_ChunkChars = new char[16];
}
  • 当不断追加字符串,容量不足会自动扩容,扩容的过程其实就是创建更大的字符数组(容量翻倍),把原来的值拷贝过来,这个过程会涉及数组对象创建、内存拷贝。

📢 一般使用StringBuilder 建议尽量给一个合理的默认容量大小,尽量避免、减少频繁的扩容。


04、🚩字符串格式化大全

📢字符串格式语法:{index/interpolationExpression [,alignment][:formatString]}

  • ,alignment可选,设置字符串的对齐长度,如果位数不够则空格补齐,正数部补左边,负数补右边。
  • :formatString指定格式规则。一次只能指定一个格式规则,可和,alignment共存。
//,alignment 示例
var name = "sam";
$"name:{name,6}.";    //字符长度6,前面补齐空格 //name:   sam.
$"name:{name,-6}.";   //字符长度6,后面补齐空格 //name:sam   .
"1123+1 = {(1223+1),6:#,#.##}";                //1123+1 =  1,224
string.Format("1123+1 = {0,6:#,#.##}",1223+1); //1123+1 =  1,224

4.1、数值格式

🚩标准数值格式

🔸数值格式 说明
E3/e3 科学计数法(指数),数字"3"为小数精度,$"{12345.2:E3}" //1.235E+004E+4表示10的4次方;如果是E-4则表示为小数(除以10的四次方) 1E-4 = 0.0001
F4 定点格式,小数精度为"4",位数不够后面补0,支持所有数值类型,$"{123.22F:F4}" //123.2200
G4 定点格式F+指数E的结合版,最多"4"个有效数字,超过就用科学计数法。"{123:G2}" //1.2E+02$"{123:G4}" //123
C3 货币格式(支持千分位),数字“3”为小数位数,$"{123.346:C2}" //¥123.35
P2 百分比格式,数字乘以100后转换为百分数,数字“2”为小数位数,$"{0.2:P2}" //20.00%
N6 数字格式化(支持千分位),小数位数为6,不够后面补0,$"{123:N6}" //123.000000
D6 整数定长格式,不够前面补0,只支持整数,$"{123:D6}" //000123
B 输出为二进制格式,仅支持整数+.Net8,精度为字符串位数,不够补0,$"{123:B}" //1111011
X/x 输出为十六进制格式,仅支持整数+,精度为字符串位数,不够补0,$"{12:X4}" //000C

🚩自定义的数值格式

🔸数值格式符号 说明
# 数字占位符,不强制占位,$"{123:#,###.##}" //123
0 数字(0)占位符,强制占位,不够补0。$"{123:0000.00}" //0123.00
. 小数点,
, 千分位,
, 倍数符号,也是逗号,在末尾、小数点前为倍数符号,除以1000,可多个。$"{12000:#,}" //12
% 百分数,乘一百+%,$"{0.2:00.00%}" //20.00%
E/e 指数(科学计数),$"{10.1234:0.00e0}" //1.01e1$"{0.01234:0.00e0}" //1.23e-2
\\ 转义字符,

📢热知识:小数格式化截断时都会四舍五入,(int)double 强转换是直接截断整数部分,相当于向下取整。
🔊冷知识:土耳其文化中的小数点为“逗号”,而非“点”。

4.2、日期时间格式

🔸日期格式-自定义 说明(DateTimeDateTimeOffset
yyyy 年份,yyyy //2024,yy //24
MM 2位数的月份,1个M就不会补0 了,3/4个M为月份名称。M //4,MM //04,MMM //4月,MMMM //四月
dd 2位数的日,3/4个d为星期。d //8,dd //08,ddd //周一,dddd //星期一
HH 2位数的小时(24小时制)
hh 2位数的小时(12小时制)
mm 2位数的分钟
ss 2位数的秒
f 为1/10秒单位,ff为1/100秒单位,以此类推,fff就表示毫秒
tt AM/PM 指示符
组合使用 以上可组合使用,可穿插任意字符,$"{DateTime.Now:yyyy年MM月dd日 HH:mm:ss}"
🔸日期格式-简写 说明
D、d D长日期,d短日期,$"{DateTime.Now:D}" //2024年1月18日
F、f 完整日期/时间模式,F长时间,f短时间,$"{DateTime.Now:F}" //2024年1月18日 22:45:34
T、t T长时间,t短时间,$"{DateTime.Now:T}" //22:45:42
M/m 月日模式,$"{DateTime.Now:M}" //1月18日
Y/y 年月模式,$"{DateTime.Now:Y}" //2024年1月

4.3、其他格式

🔸枚举格式 说明
G/g,F/f 枚举的字符串名称,其中F用于Flags,$"{UType.User:G}" //User
D/d 十进制枚举值,$"{UType.User:D}" //2
X/x 十六进制枚举值,$"{UType.User:X}" //00000002
🔸其他 说明
IFormattable 自定义的格式化接口,使用自定义的 IFormatProvider 来实现格式化输出ToString()
NumberStyles 用于解析数字符串(Parse)时指定的解析格式
DateTimeStyles 同上,用于时间日期的解析

🚩格式MSDN参考资料


06、高性能字符串实践

提高string处理性能的核心就是:尽量减少临时字符串对象的创建

  • 高频常用字符串(非字面量)可考虑主动驻留字符串,string.Intern(name)
  • 字符串的比较、查找,优先用Span,或者尽量使用无文化语义的比较StringComparison.Ordinal
  • 大量字符串连接使用StringBuilder,且尽量给定一个合适的容量大小,避免频繁的扩容。
  • 少量字符串连接用字符串插值即可,创建StringBuilder也是有成本的。
  • 如果有大量StringBuilder 的使用,可以考虑用StringBuilderCache,或池化StringBuilder。

6.1、比较字符串

  • 字符串查找、拆分字符串、解析字符串,推荐使用Span,参考《高性能的Span、Memory》。
  • 查找、比较字符串,尽量指定 StringComparisonOrdinalOrdinalIgnoreCase,采用无文化特征的比较性能更快。
string str1="a",str2 = "b";
//这种方式会产生新的字符串,不推荐
if(str1.ToLower() == str2.ToLower()){} 
//推荐写法
if(string.Compare(str1, str2, true)==0){} 
if(string.Equals(str1,str2,StringComparison.Ordinal)){}

image.png

6.2、字符串真的不能修改吗?

字符串其实也是可以修改的,当然是用非常规手段。

  • ref获取指定字符的引用地址(指针地址)。
static void Main(string[] args)
{
	var str1 = "hello";
    var str2 = "hello";
	//修改第0位
    ref var c1 = ref MemoryMarshal.GetReference<char>(str1);
	c1 = 'H';
	//修改第一位
	ref var c2 = ref MemoryMarshal.GetReference<char>(str1.AsSpan(1));
	c2 = 'E';
	Console.WriteLine(str1);//输出:HEllo
	Console.WriteLine(str2);//输出:HEllo
}
  • 直接使用指针修改字符值。
void Main()
{
	var str1 = "hello";
	var str2 = "hello";
	unsafe
	{
		fixed (char* c = str2)
		{
			c[0] = 'H';
			c[1] = 'E';
		}
	}
	Console.WriteLine(str1); //HEllo
	Console.WriteLine(str2); //HEllo
}

参考资料


©️版权申明:版权所有@安木夕,本文内容仅供学习,欢迎指正、交流,转载请注明出处!原文编辑地址-语雀

posted @ 2024-06-06 08:00  安木夕  阅读(4103)  评论(9编辑  收藏  举报