探究 C 中的 char 、 string（一） [TOC] 1. System.Char 字元 char 是 System.Char 的別名。 System.Char 占兩個位元組，16個二進位位。 System.Char 用來表示、存儲一個 Unicode 字元。 System.Char 的表示範 ...

探究 C# 中的 char 、 string（一）

探究 C# 中的 char 、 string（一）

1. System.Char 字元

char 是 System.Char 的別名。

System.Char 占兩個位元組，16個二進位位。

System.Char 用來表示、存儲一個 Unicode 字元。

System.Char 的表示範圍是 U+0000 到U+FFFF，char 預設值是 \0，即 U+0000。

Unicode 的表示，通常以 U+____形式表示，即 U 和一組16進位的數字組成。

char 有四種賦值方法

            char a = 'j';
            char b = '\u006A';
            char c = '\x006A';
            char d = (char) 106;
            Console.WriteLine($"{a} | {b} | {c} | {d}");

輸出

j | j | j | j

\u 開頭是 Unicode 轉義序列（編碼）；使用 Unicode 轉義序列，後面必須是4個十六進位的數字。

\u006A    有效
\u06A     無效
\u6A      無效

\x 開頭是十六進位轉義序列，也是由4個十六進位數字組成。如果前面是N個0的話，則可以省略0。下麵的示例都是表示同一個字元。

\x006A
\x06A
\x6A

char 可以隱式轉為其他數值類型，整型有可以轉為ushort，int，uint，long，和ulong，浮點型可以轉為 float，double，和decimal。

char 可以顯式轉為 sbyte，byte和short。

其他類型無法隱式轉為 char 類型，但是任何整型和浮點型都可以顯式轉為 char。

2. 字元處理

System.Char 中，具有很多就態方法，能夠有助於識別、處理字元。

有一個非常重要的 UnicodeCategory 枚舉

  public enum UnicodeCategory
  {
    UppercaseLetter,
    LowercaseLetter,
    TitlecaseLetter,
    ModifierLetter,
    OtherLetter,
    NonSpacingMark,
    SpacingCombiningMark,
    EnclosingMark,
    DecimalDigitNumber,
    LetterNumber,
    OtherNumber,
    SpaceSeparator,
    LineSeparator,
    ParagraphSeparator,
    Control,
    Format,
    Surrogate,
    PrivateUse,
    ConnectorPunctuation,
    DashPunctuation,
    OpenPunctuation,
    ClosePunctuation,
    InitialQuotePunctuation,
    FinalQuotePunctuation,
    OtherPunctuation,
    MathSymbol,
    CurrencySymbol,
    ModifierSymbol,
    OtherSymbol,
    OtherNotAssigned,
  }

System.Char 中，有一個 GetUnicodeCategory() 靜態方法，可以返回字元的類型，即上面的枚舉值。

除了 GetUnicodeCategory() ，我們還可以通過具體的靜態方法判斷字元的類別。

下麵列出靜態方法的使用說明的枚舉類別。

靜態方法	說明	枚舉表示
IsControl	值小於`0x20` 的不可列印字元。例如 \r、\n、\t、\0等。	無
IsDigit	0-9和其他字母表中的數字	DecimalDigitNumber
IsLetter	A-Z、a-z 和其他字母字元	UppercaseLetter, LowercaseLetter, TitlecaseLetter, ModifierLetter, OtherLetter
IsLetterOrDigit	字母和數字	參考 IsLetter 和 IsDigit
IsLower	小寫字母	LowercaseLetter
IsNumber	數字、Unicode中的分數、羅馬數字	DecimalDigitNumber, LetterNumber, OtherNumber
IsPunctuation	西方和其他字母表中的標點符號	ConnectorPunctuation, DashPunctuation, InitialQuotePunctuation, FinalQuotePunctuation, OtherPunctuation
IsSeparator	空格和所有的 Unicode 分隔符	SpaceSeparator, ParagraphSeparator
IsSurrogate	0x10000到0x10FFF之間的Unicode值	Surrogate
IsSymbol	大部分可列印字元	MathSymbol, ModifierSymbol, OtherSymbol
IsUpper	大小字母	UppercaseLetter
IsWhiteSpace	所有的分隔符以及 \t、\n、\r、\v、\f	SpaceSeparator, ParagraphSeparator

示例

        char chA = 'A';
        char ch1 = '1';
        string str = "test string"; 

        Console.WriteLine(chA.CompareTo('B'));          //-----------  Output: "-1
                                                        //(meaning 'A' is 1 less than 'B')
        Console.WriteLine(chA.Equals('A'));             //-----------  Output: "True"
        Console.WriteLine(Char.GetNumericValue(ch1));   //-----------  Output: "1"
        Console.WriteLine(Char.IsControl('\t'));        //-----------  Output: "True"
        Console.WriteLine(Char.IsDigit(ch1));           //-----------  Output: "True"
        Console.WriteLine(Char.IsLetter(','));          //-----------  Output: "False"
        Console.WriteLine(Char.IsLower('u'));           //-----------  Output: "True"
        Console.WriteLine(Char.IsNumber(ch1));          //-----------  Output: "True"
        Console.WriteLine(Char.IsPunctuation('.'));     //-----------  Output: "True"
        Console.WriteLine(Char.IsSeparator(str, 4));    //-----------  Output: "True"
        Console.WriteLine(Char.IsSymbol('+'));          //-----------  Output: "True"
        Console.WriteLine(Char.IsWhiteSpace(str, 4));   //-----------  Output: "True"
        Console.WriteLine(Char.Parse("S"));             //-----------  Output: "S"
        Console.WriteLine(Char.ToLower('M'));           //-----------  Output: "m"
        Console.WriteLine('x'.ToString());              //-----------  Output: "x"
        Console.WriteLine(Char.IsSurrogate('\U00010F00'));      // Output: "False"
        char test = '\xDFFF';
        Console.WriteLine(test);                        //-----------   Output：'?'
        Console.WriteLine( Char.GetUnicodeCategory(test));//----------- Output："Surrogate"

如果想滿足你的好奇心，可以點擊 http://www1.cs.columbia.edu/~lok/csharp/refdocs/System/types/Char.html

3. 全球化

C# 中 System.Char 有很豐富的方法去處理字元，例如常用的 ToUpper、ToLower 。

但是字元的處理，會受到用戶語言環境的影響。

使用 System.Char 中的方法處理字元時，可以調用帶有 Invariant 尾碼的方法或使用 CultureInfo.InvariantCulture，以進行與語言環境無關的字元處理。

示例

            Console.WriteLine(Char.ToUpper('i',CultureInfo.InvariantCulture));
            Console.WriteLine(Char.ToUpperInvariant('i'));

對於字元和字元串處理，可能用到的重載參數和處理方式，請看下麵的說明。

StringComparison

枚舉	枚舉值	說明
CurrentCulture	0	使用區分文化的排序規則和當前區域性來比較字元串
CurrentCultureIgnoreCase	1	使用對區域性敏感的排序規則，當前區域性來比較字元串，而忽略要比較的字元串的大小寫
InvariantCulture	2	使用區分文化的排序規則和不變區域性比較字元串
InvariantCultureIgnoreCase	3	使用區分區域性的排序規則，不變區域性來比較字元串，而忽略要比較的字元串的大小寫
Ordinal	4	使用序數（二進位）排序規則比較字元串
OrdinalIgnoreCase	5	使用序數（二進位）排序規則比較字元串，而忽略要比較的字元串的大小寫

CultureInfo

枚舉	說明
CurrentCulture	獲取表示當前線程使用的區域性的 CultureInfo對象
CurrentUICulture	獲取或設置 CultureInfo對象，該對象表示資源管理器在運行時查找區域性特定資源時所用的當前用戶介面區域性
InstalledUICulture	獲取表示操作系統中安裝的區域性的 CultureInfo
InvariantCulture	獲取不依賴於區域性（固定）的 CultureInfo 對象
IsNeutralCulture	獲取一個值，該值指示當前 CultureInfo 是否表示非特定區域性

4. System.String 字元串

4.1 字元串搜索

字元串有多個搜索方法：StartsWith()、EndsWith()、Contains()、IndexOf。

StartsWith() 和 EndsWith() 可以使用 StringComparison 比較方式、CultureInfo 控制文化相關規則。

StartsWith() ：字元串開頭是否存在符合區配字元串

EndsWith()：字元串結尾是否存在符合區配字元串

Contains()：字元串任意位置是否存在區配字元串

IndexOf：字元串或字元首次出現的索引位置，如果返回值為 -1 則表示無區配結果。

使用示例

            string a = "痴者工良(高級程式員勸退師)";
            Console.WriteLine(a.StartsWith("高級"));
            Console.WriteLine(a.StartsWith("高級",StringComparison.CurrentCulture));
            Console.WriteLine(a.StartsWith("高級",true, CultureInfo.CurrentCulture));
            Console.WriteLine(a.StartsWith("痴者",StringComparison.CurrentCulture));
            Console.WriteLine(a.EndsWith("勸退師)",true, CultureInfo.CurrentCulture));
            Console.WriteLine(a.IndexOf("高級",StringComparison.CurrentCulture));

輸出

False
False
False
True
True
5

除了 Contains()，其它三種方法都有多個重載方法，例如

重載	說明
(String)	是否與指定字元串區配
(String, StringComparison)	以何種方式指定字元串區配
(String, Boolean, CultureInfo)	控制大小寫和文化規則指定字元串區配

這些與全球化和大小寫區配的規則，在後面章節中會說到。

4.2 字元串提取、插入、刪除、替換

4.2.1 提取

SubString() 方法可以在提取字元串指定索開始的N個長度或餘下的所有的字元。

            string a = "痴者工良(高級程式員勸退師)";
            string a = "痴者工良(高級程式員勸退師)";
            Console.WriteLine(a.Substring(startIndex: 1, length: 3));
            // 者工良
            Console.WriteLine(a.Substring(startIndex: 5));
            // 高級程式員勸退師)

4.2.2 插入、刪除、替換

Insert() ：指定索引位置後插入字元或字元串

Remove() ：指定索引位置後插入字元或字元串

PadLeft() ：在字元串左側將使用某個字元串擴展到N個字元長度

PadRight()：在字元串右側將使用某個字元串擴展到N個字元長度

TrimStart() ：從字元串左側開始刪除某個字元，碰到不符合條件的字元即停止。

TrimEnd() ：從字元串右側開始刪除某個字元，碰到不符合條件的字元即停止。

Replace()：將字元串中的N連續個字元組替換為新的M個字元組。

示例

            string a = "痴者工良(高級程式員勸退師)"; // length = 14

            Console.WriteLine("\n  -  Remove Insert   - \n");

            Console.WriteLine(a.Insert(startIndex: 4, value: "我是"));
            Console.WriteLine(a.Remove(startIndex: 5));
            Console.WriteLine(a.Remove(startIndex: 5, count: 3));

            Console.WriteLine("\n  -  PadLeft PadRight  -  \n");

            Console.WriteLine(a.PadLeft(totalWidth: 20, paddingChar: '*'));
            Console.WriteLine(a.PadRight(totalWidth: 20, paddingChar: '#'));
            Console.WriteLine(a.PadLeft(totalWidth: 20, paddingChar: '\u0023'));
            Console.WriteLine(a.PadRight(totalWidth: 20, paddingChar: '\u002a'));
            Console.WriteLine(a.PadLeft(totalWidth: 18, paddingChar: '.'));
            Console.WriteLine(a.PadRight(totalWidth: 18, paddingChar: '.'));

            Console.WriteLine("\n  -  Trim  -  \n");

            Console.WriteLine("|Hello | World|".Trim('|'));
            Console.WriteLine("|||Hello | World|||".Trim('|'));
            Console.WriteLine("|Hello | World!|".TrimStart('|'));
            Console.WriteLine("|||Hello | World!|||".TrimStart('|'));
            Console.WriteLine("|Hello | World!|".TrimEnd('|'));
            Console.WriteLine("|||Hello | World!|||".TrimEnd('|'));
            Console.WriteLine("||||||||||||||||||||||||".TrimEnd('|'));
            

            Console.WriteLine("*#&abc ABC&#*".TrimStart(new char[] {'*', '#', '&'}));
            Console.WriteLine("*#&abc ABC&#*".TrimStart(new char[] {'#', '*', '&'}));

            Console.WriteLine("\n  -  Replace  -  \n");

            Console.WriteLine("abcdABCDabcdABCD".Replace(oldChar: 'a', newChar: 'A'));

輸出

  -  Remove Insert   -

痴者工良我是(高級程式員勸退師)
痴者工良(
痴者工良(序員勸退師)

  -  PadLeft PadRight  -

******痴者工良(高級程式員勸退師)
痴者工良(高級程式員勸退師)######
######痴者工良(高級程式員勸退師)
痴者工良(高級程式員勸退師)******
....痴者工良(高級程式員勸退師)
痴者工良(高級程式員勸退師)....

  -  Trim  -

Hello | World
Hello | World
Hello | World!|
Hello | World!|||
|Hello | World!
|||Hello | World!

abc ABC&#*
abc ABC&#*

  -  Replace  -

AbcdABCDAbcdABCD

5. 字元串駐留池

以下為筆者個人總結，限於水平，如若有錯，望各位加以批評指正。

images

字元串駐留池是在域(Domain)級別完成的，而字元串駐留池可以在域中的所有程式集之間共用。

CLR 中維護著一個叫做駐留池（Intern Pool）的表。

這個表記錄了所有在代碼中使用字面量聲明的字元串實例的引用。

拼接方式操作字面量時，新的字元串又會進入字元串駐留池。

只有使用使用字面量聲明的字元串實例，實例才會對字元串駐留池字元串引用。

而無論是欄位屬性或者是方法內是聲明的 string 變數、甚至是方法參數的預設值，都會進入字元串駐留池。

例如

        static string test = "一個測試";

        static void Main(string[] args)
        {
            string a = "a";

            Console.WriteLine("test:" + test.GetHashCode());
            
            TestOne(test);
            TestTwo(test);
            TestThree("一個測試");
        }

        public static void TestOne(string a)
        {
            Console.WriteLine("----TestOne-----");
            Console.WriteLine("a:" + a.GetHashCode());
            string b = a;
            Console.WriteLine("b:" + b.GetHashCode());
            Console.WriteLine("test - a :" + Object.ReferenceEquals(test, a));
        }

        public static void TestTwo(string a = "一個測試")
        {
            Console.WriteLine("----TestTwo-----");
            Console.WriteLine("a:" + a.GetHashCode());
            string b = a;
            Console.WriteLine("b:" + b.GetHashCode());
            Console.WriteLine("test - a :" + Object.ReferenceEquals(test, a));
        }

        public static void TestThree(string a)
        {
            Console.WriteLine("----TestThree-----");
            Console.WriteLine("a:" + a.GetHashCode());
            string b = a;
            Console.WriteLine("b:" + b.GetHashCode());
            Console.WriteLine("test - a :" + Object.ReferenceEquals(test, a));
        }

輸出結果

test:-407145577
----TestOne-----
a:-407145577
b:-407145577
test - a :True
----TestTwo-----
a:-407145577
b:-407145577
test - a :True
----TestThree-----
a:-407145577
b:-407145577
test - a :True

可以通過靜態方法 Object.ReferenceEquals(s1, s2); 或者實例的 .GetHashCode() 來對比兩個字元串是否為同一個引用。

可以使用不安全代碼，直接修改記憶體中的字元串

參考 https://blog.benoitblanchon.fr/modify-intern-pool/

string a = "Test";

fixed (char* p = a)
{
    p[1] = '3';
}

Console.WriteLine(a);

使用 *Microsoft.Diagnostics.Runtime* 可以獲取 CLR 的信息。

結果筆者查閱大量資料發現，.NET 不提供 API 去查看字元串常量池裡面的哈希表。

關於 C# 字元串的使用和駐留池等原理，請參考

http://community.bartdesmet.net/blogs/bart/archive/2006/09/27/4472.aspx

通過設法在程式集中獲取字元串文字的列表

https://stackoverflow.com/questions/22172175/read-the-content-of-the-string-intern-pool

.NET 底層 Profiling API說明

https://docs.microsoft.com/en-us/dotnet/framework/unmanaged-api/profiling/profiling-overview?redirectedfrom=MSDN

.NET字元串駐留池和提高字元串比較性能

http://benhall.io/net-string-interning-to-improve-performance/

關於 C# 字元串駐留池的學習文章

https://www.cnblogs.com/mingxuantongxue/p/3782391.html

https://www.xuebuyuan.com/189297.html

如果總結或知識有錯，麻煩大佬們斧正哈。