我正在使用.NET 3.5。我有两个字符串数组，它们可能共享一个或多个值：
string[] list1 = new string[] { "apple", "orange", "banana" };
string[] list2 = new string[] { "banana", "pear", "grape" };
我想要一种方法将它们合并到一个没有重复值的数组中：
{ "apple", "orange", "banana", "pear", "grape" }
我可以用 LINQ 做到这一点：
string[] result = list1.Concat(list2).Distinct().ToArray();
但我想这对于大型阵列不是很有效。
有没有更好的办法？
string[] result = list1.Union(list2).ToArray();
来自msdn：“此方法从返回集中排除重复项。这与 Concat(TSource) 方法的行为不同，后者返回输入序列中的所有元素，包括重复项。”
为什么你认为它会是低效的？据我所知， Concat 和 Distinct 都是懒惰地评估的，在 Distinct 幕后使用 HashSet 来跟踪已经返回的元素。
我不确定您如何设法使其比一般方式更有效:)
编辑： Distinct 实际上使用 Set（一个内部类）而不是 HashSet，但要点仍然是正确的。这是一个很好的例子，说明 LINQ 是多么的简洁。最简单的答案几乎与您在没有更多领域知识的情况下所能达到的一样有效。
效果相当于：
public static IEnumerable<T> DistinctConcat<T>(IEnumerable<T> first, IEnumerable<T> second)
{
HashSet<T> returned = new HashSet<T>();
foreach (T element in first)
{
if (returned.Add(element))
{
yield return element;
}
}
foreach (T element in second)
{
if (returned.Add(element))
{
yield return element;
}
}
}
.NET 3.5 引入了 HashSet 类，它可以做到这一点：
IEnumerable<string> mergedDistinctList = new HashSet<string>(list1).Union(list2);
不确定性能，但它应该超过你给出的 Linq 示例。
编辑：我的立场得到纠正。Concat 和 Distinct 的惰性实现具有关键的内存和速度优势。Concat/Distinct 大约快 10%，并保存多个数据副本。
我通过代码确认：
Setting up arrays of 3000000 strings overlapping by 300000
Starting Hashset...
HashSet: 00:00:02.8237616
Starting Concat/Distinct...
Concat/Distinct: 00:00:02.5629681
是输出：
int num = 3000000;
int num10Pct = (int)(num / 10);
Console.WriteLine(String.Format("Setting up arrays of {0} strings overlapping by {1}", num, num10Pct));
string[] list1 = Enumerable.Range(1, num).Select((a) => a.ToString()).ToArray();
string[] list2 = Enumerable.Range(num - num10Pct, num + num10Pct).Select((a) => a.ToString()).ToArray();
Console.WriteLine("Starting Hashset...");
Stopwatch sw = new Stopwatch();
sw.Start();
string[] merged = new HashSet<string>(list1).Union(list2).ToArray();
sw.Stop();
Console.WriteLine("HashSet: " + sw.Elapsed);
Console.WriteLine("Starting Concat/Distinct...");
sw.Reset();
sw.Start();
string[] merged2 = list1.Concat(list2).Distinct().ToArray();
sw.Stop();
Console.WriteLine("Concat/Distinct: " + sw.Elapsed);
免责声明这是过早的优化。对于您的示例数组，请使用 3.5 扩展方法。在您知道您在该区域存在性能问题之前，您应该使用库代码。
如果您可以对数组进行排序，或者当您到达代码中的那一点时对它们进行排序，您可以使用以下方法。
这些将从两者中提取一个项目，并产生“最低”项目，然后从相应的源中获取一个新项目，直到两个源都用尽。如果从两个来源获取的当前项目相等，它将从第一个来源生成一个，并在两个来源中跳过它们。
private static IEnumerable<T> Merge<T>(IEnumerable<T> source1,
IEnumerable<T> source2)
{
return Merge(source1, source2, Comparer<T>.Default);
}
private static IEnumerable<T> Merge<T>(IEnumerable<T> source1,
IEnumerable<T> source2, IComparer<T> comparer)
{
#region Parameter Validation
if (Object.ReferenceEquals(null, source1))
throw new ArgumentNullException("source1");
if (Object.ReferenceEquals(null, source2))
throw new ArgumentNullException("source2");
if (Object.ReferenceEquals(null, comparer))
throw new ArgumentNullException("comparer");
#endregion
using (IEnumerator<T>
enumerator1 = source1.GetEnumerator(),
enumerator2 = source2.GetEnumerator())
{
Boolean more1 = enumerator1.MoveNext();
Boolean more2 = enumerator2.MoveNext();
while (more1 && more2)
{
Int32 comparisonResult = comparer.Compare(
enumerator1.Current,
enumerator2.Current);
if (comparisonResult < 0)
{
// enumerator 1 has the "lowest" item
yield return enumerator1.Current;
more1 = enumerator1.MoveNext();
}
else if (comparisonResult > 0)
{
// enumerator 2 has the "lowest" item
yield return enumerator2.Current;
more2 = enumerator2.MoveNext();
}
else
{
// they're considered equivalent, only yield it once
yield return enumerator1.Current;
more1 = enumerator1.MoveNext();
more2 = enumerator2.MoveNext();
}
}
// Yield rest of values from non-exhausted source
while (more1)
{
yield return enumerator1.Current;
more1 = enumerator1.MoveNext();
}
while (more2)
{
yield return enumerator2.Current;
more2 = enumerator2.MoveNext();
}
}
}
请注意，如果其中一个源包含重复项，您可能会在输出中看到重复项。如果要删除已排序列表中的这些重复项，请使用以下方法：
private static IEnumerable<T> CheapDistinct<T>(IEnumerable<T> source)
{
return CheapDistinct<T>(source, Comparer<T>.Default);
}
private static IEnumerable<T> CheapDistinct<T>(IEnumerable<T> source,
IComparer<T> comparer)
{
#region Parameter Validation
if (Object.ReferenceEquals(null, source))
throw new ArgumentNullException("source");
if (Object.ReferenceEquals(null, comparer))
throw new ArgumentNullException("comparer");
#endregion
using (IEnumerator<T> enumerator = source.GetEnumerator())
{
if (enumerator.MoveNext())
{
T item = enumerator.Current;
// scan until different item found, then produce
// the previous distinct item
while (enumerator.MoveNext())
{
if (comparer.Compare(item, enumerator.Current) != 0)
{
yield return item;
item = enumerator.Current;
}
}
// produce last item that is left over from above loop
yield return item;
}
}
}
请注意，这些都不会在内部使用数据结构来保留数据的副本，因此如果输入已排序，它们将很便宜。如果您不能或不会保证，您应该使用您已经找到的 3.5 扩展方法。
下面是调用上述方法的示例代码：
String[] list_1 = { "apple", "orange", "apple", "banana" };
String[] list_2 = { "banana", "pear", "grape" };
Array.Sort(list_1);
Array.Sort(list_2);
IEnumerable<String> items = Merge(
CheapDistinct(list_1),
CheapDistinct(list_2));
foreach (String item in items)
Console.Out.WriteLine(item);
可能使用您的值作为键创建一个哈希表（仅添加那些不存在的键），然后将键转换为数组可能是一个可行的解决方案。
在您测量之前，您不知道哪种方法更快。LINQ 方式优雅且易于理解。
另一种方法是将集合实现为哈希数组（字典）并将两个数组的所有元素添加到集合中。然后使用 set.Keys.ToArray() 方法创建结果数组。