如何将多行字符串拆分为行?
我知道这种方式
var result = input.Split("\n\r".ToCharArray(), StringSplitOptions.RemoveEmptyEntries);
看起来有点难看,并且丢失了空行。有更好的解决方案吗?
如果它看起来很难看,只需删除不必要的ToCharArray
调用。
如果你想用\n
或分割\r
,你有两个选择:
使用数组文字——但这会给你空行作为 Windows 风格的行尾\r\n
:
var result = text.Split(new [] { '\r', '\n' });
使用正则表达式,如 Bart 所示:
var result = Regex.Split(text, "\r\n|\r|\n");
如果要保留空行,为什么要明确告诉 C# 将它们丢弃?(StringSplitOptions
参数) –StringSplitOptions.None
改为使用。
using (StringReader sr = new StringReader(text)) {
string line;
while ((line = sr.ReadLine()) != null) {
// do something
}
}
这很好用并且比正则表达式更快:
input.Split(new[] {"\r\n", "\r", "\n"}, StringSplitOptions.None)
重要的是"\r\n"
在数组中有第一个,以便将其视为一个换行符。以上给出了与这些正则表达式解决方案中的任何一个相同的结果:
Regex.Split(input, "\r\n|\r|\n")
Regex.Split(input, "\r?\n|\r")
除了 Regex 的速度慢了大约 10 倍。这是我的测试:
Action<Action> measure = (Action func) => {
var start = DateTime.Now;
for (int i = 0; i < 100000; i++) {
func();
}
var duration = DateTime.Now - start;
Console.WriteLine(duration);
};
var input = "";
for (int i = 0; i < 100; i++)
{
input += "1 \r2\r\n3\n4\n\r5 \r\n\r\n 6\r7\r 8\r\n";
}
measure(() =>
input.Split(new[] {"\r\n", "\r", "\n"}, StringSplitOptions.None)
);
measure(() =>
Regex.Split(input, "\r\n|\r|\n")
);
measure(() =>
Regex.Split(input, "\r?\n|\r")
);
输出:
00:00:03.8527616
00:00:31.8017726
00:00:32.5557128
这是扩展方法:
public static class StringExtensionMethods
{
public static IEnumerable<string> GetLines(this string str, bool removeEmptyLines = false)
{
return str.Split(new[] { "\r\n", "\r", "\n" },
removeEmptyLines ? StringSplitOptions.RemoveEmptyEntries : StringSplitOptions.None);
}
}
用法:
input.GetLines() // keeps empty lines
input.GetLines(true) // removes empty lines
您可以使用 Regex.Split:
string[] tokens = Regex.Split(input, @"\r?\n|\r");
编辑:添加|\r
以说明(较旧的)Mac 行终止符。
如果您想保留空行,只需删除 StringSplitOptions。
var result = input.Split(System.Environment.NewLine.ToCharArray());
string[] lines = input.Split(new[] { '\r', '\n' }, StringSplitOptions.RemoveEmptyEntries);
我有这个另一个答案,但是这个基于杰克的答案,速度明显更快可能是首选,因为它是异步工作的,虽然速度稍慢。
public static class StringExtensionMethods
{
public static IEnumerable<string> GetLines(this string str, bool removeEmptyLines = false)
{
using (var sr = new StringReader(str))
{
string line;
while ((line = sr.ReadLine()) != null)
{
if (removeEmptyLines && String.IsNullOrWhiteSpace(line))
{
continue;
}
yield return line;
}
}
}
}
用法:
input.GetLines() // keeps empty lines
input.GetLines(true) // removes empty lines
测试:
Action<Action> measure = (Action func) =>
{
var start = DateTime.Now;
for (int i = 0; i < 100000; i++)
{
func();
}
var duration = DateTime.Now - start;
Console.WriteLine(duration);
};
var input = "";
for (int i = 0; i < 100; i++)
{
input += "1 \r2\r\n3\n4\n\r5 \r\n\r\n 6\r7\r 8\r\n";
}
measure(() =>
input.Split(new[] { "\r\n", "\r", "\n" }, StringSplitOptions.None)
);
measure(() =>
input.GetLines()
);
measure(() =>
input.GetLines().ToList()
);
输出:
00:00:03.9603894
00:00:00.0029996
00:00:04.8221971
稍微扭曲,但是一个迭代器块来做到这一点:
public static IEnumerable<string> Lines(this string Text)
{
int cIndex = 0;
int nIndex;
while ((nIndex = Text.IndexOf(Environment.NewLine, cIndex + 1)) != -1)
{
int sIndex = (cIndex == 0 ? 0 : cIndex + 1);
yield return Text.Substring(sIndex, nIndex - sIndex);
cIndex = nIndex;
}
yield return Text.Substring(cIndex + 1);
}
然后您可以致电:
var result = input.Lines().ToArray();
正确处理混合行结尾很棘手。众所周知,行终止字符可以是“换行符”(ASCII 10 \n
、、、、 ) \x0A
、\u000A
“回车”(ASCII 13、、、、\r
)\x0D
或\u000D
它们的某种组合。回到 DOS,Windows 使用两个字符的序列 CR-LF \u000D\u000A
,所以这个组合应该只发出一行。Unix 使用单个\u000A
,而非常古老的 Mac 使用单个\u000D
字符。在单个文本文件中处理这些字符的任意混合的标准方法如下:
\u000D\u000A
) 之后,那么这两者一起跳过一行。String.Empty
是唯一不返回任何行的输入(任何字符都需要至少一行)上述规则描述了StringReader.ReadLine和相关函数的行为,下面显示的函数产生相同的结果。它是一个高效的C#换行函数,忠实地实现了这些准则,以正确处理任意序列或 CR/LF 组合。枚举的行不包含任何 CR/LF 字符。空行被保留并返回为String.Empty
.
/// <summary>
/// Enumerates the text lines from the string.
/// ⁃ Mixed CR-LF scenarios are handled correctly
/// ⁃ String.Empty is returned for each empty line
/// ⁃ No returned string ever contains CR or LF
/// </summary>
public static IEnumerable<String> Lines(this String s)
{
int j = 0, c, i;
char ch;
if ((c = s.Length) > 0)
do
{
for (i = j; (ch = s[j]) != '\r' && ch != '\n' && ++j < c;)
;
yield return s.Substring(i, j - i);
}
while (++j < c && (ch != '\r' || s[j] != '\n' || ++j < c));
}
注意:如果您不介意StringReader
在每次调用时创建实例的开销,则可以改用以下C# 7代码。如前所述,虽然上面的示例可能更有效,但这两个函数产生完全相同的结果。
public static IEnumerable<String> Lines(this String s)
{
using (var tr = new StringReader(s))
while (tr.ReadLine() is String L)
yield return L;
}
private string[] GetLines(string text)
{
List<string> lines = new List<string>();
using (MemoryStream ms = new MemoryStream())
{
StreamWriter sw = new StreamWriter(ms);
sw.Write(text);
sw.Flush();
ms.Position = 0;
string line;
using (StreamReader sr = new StreamReader(ms))
{
while ((line = sr.ReadLine()) != null)
{
lines.Add(line);
}
}
sw.Close();
}
return lines.ToArray();
}
将字符串拆分为行,无需任何分配。
public static LineEnumerator GetLines(this string text) {
return new LineEnumerator( text.AsSpan() );
}
internal ref struct LineEnumerator {
private ReadOnlySpan<char> Text { get; set; }
public ReadOnlySpan<char> Current { get; private set; }
public LineEnumerator(ReadOnlySpan<char> text) {
Text = text;
Current = default;
}
public LineEnumerator GetEnumerator() {
return this;
}
public bool MoveNext() {
if (Text.IsEmpty) return false;
var index = Text.IndexOf( '\n' ); // \r\n or \n
if (index != -1) {
Current = Text.Slice( 0, index + 1 );
Text = Text.Slice( index + 1 );
return true;
} else {
Current = Text;
Text = ReadOnlySpan<char>.Empty;
return true;
}
}
}