7

我编写了以下代码片段以消除文本中的过多空格

int index = text.IndexOf("  ");
while (index > 0)
{
    text = text.Replace("  ", " ");
    index = text.IndexOf("  ");
}

一般来说，这工作得很好，尽管相当原始并且可能效率低下。

问题

当文本包含“ - ”出于某种奇怪的原因时 indexOf 返回匹配！Replace 函数不会删除任何内容，然后陷入无限循环。

任何想法 string.IndexOf 发生了什么？

4

1 回答 1

22

啊，文字的乐趣。

你最有可能在那里，但在 SO 上发帖时迷失了，是一个“软连字符”。

为了重现该问题，我在LINQPad中尝试了此代码：

void Main()
{
    var text = "Test1 \u00ad Test2";
    int index = text.IndexOf("  ");
    while (index > 0)
    {
        text = text.Replace("  ", " ");
        index = text.IndexOf("  ");
    }
}

果然，上面的代码只是陷入了一个循环。

请注意\u00ad，根据 CharMap，这是软连字符的 Unicode 符号。您也可以随时复制和粘贴 CharMap 中的字符，但将其发布在 SO 上将用其更常见的表亲，连字符减号，Unicode 符号u002d（键盘上的那个）替换它。

您可以阅读String Class文档中的一小部分，其中有关于该主题的内容：

字符串搜索方法，例如 String.StartsWith 和 String.IndexOf，也可以执行区分区域性或序号字符串比较。下面的示例说明了使用 IndexOf 方法进行序号比较和区分区域性的比较之间的差异。当前文化为英语（美国）的文化敏感搜索将子字符串“oe”视为与连字“œ”匹配。由于软连字符 (U+00AD) 是零宽度字符，因此搜索会将软连字符视为等效于 Empty，并在字符串的开头找到匹配项。另一方面，序数搜索在任何一种情况下都找不到匹配项。

我已经强调了相关部分，但我还记得不久前有一篇关于这个确切问题的博客文章，但我的 Google-Fu 今晚让我失望了。

这里的问题是 IndexOf 和 Replace 使用不同的方法来定位文本。

而 IndexOf 会将软连字符视为“不存在”，因此将其两侧的两个空格视为“两个连接的空格”，而 Replace 方法不会，因此不会删除其中任何一个。因此，存在条件以供循环继续迭代，但由于 Replace 不会删除符合条件的空格，因此它永远不会结束。毫无疑问，在 Unicode 符号空间中还有其他此类字符表现出类似的问题，但这是我见过的最典型的情况。

至少有两种处理方法：

  1. 您可以使用Regex.Replace，它似乎没有这个问题：

    text = Regex.Replace(text, "  +", " ");

    就个人而言，我可能会在正则表达式中使用空格特殊字符，即\s，但如果你只想要空格，上面应该可以解决问题。

  2. 您可以明确要求 IndexOf 使用序数比较，它不会被表现得像......好吧......文本的文本绊倒：

    index = text.IndexOf("  ", StringComparison.Ordinal);
于 2011-02-04T00:11:12.090 回答