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。

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。

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 做==比较，只会比较引用地址。

🚩 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

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。

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：

• 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。

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
}

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》。

🚩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startswith、compare 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“\”

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。

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

• 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：

🚩自定义的数值格式：

📢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

4.3、其他格式

🚩格式msdn参考资料：

• 所有整型和浮点类型。 (请参阅 标准数字格式字符串 和 自定义数值格式字符串。)
• datetime 和 datetimeoffset。 (请参阅 标准日期和时间格式字符串 和 自定义日期和时间格式字符串。)
• 所有枚举类型。 (请参阅 枚举格式字符串.)
• timespan 值。 (请参阅 标准 timespan 格式字符串 和 自定义 timespan 格式字符串。)
• guid。 (请参阅 guid.tostring(string) 方法。)

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 stringcomparison 为 ordinal 或 ordinalignorecase，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)){}

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。

• 用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

• c# 文档
• 《c#8.0 in a nutshell》
• .net面试题解析(03)-string与字符串操作
• .net 中的字符编码

©️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