清理字符串？ 有没有更好的方法呢？

Question

我正在使用此方法来清理字符串

public static string CleanString(string dirtyString)
{
    string removeChars = " ?&^$#@!()+-,:;<>’\'-_*";
    string result = dirtyString;

    foreach (char c in removeChars)
    {
        result = result.Replace(c.ToString(), string.Empty);
    }

    return result;
}

这种方法工作正常。但是这种方法存在性能故障。 每次我传递字符串时，每个字符都进入循环，如果我有一个大字符串，那么返回该对象需要花费太多时间。

有没有其他更好的方法做同样的事情？ 比如在LINQ或JQUERY / Javascript中

任何建议将不胜感激。

Answer 1

好的，请考虑以下测试：

public class CleanString
{
    //by MSDN http://msdn.microsoft.com/en-us/library/844skk0h(v=vs.71).aspx
    public static string UseRegex(string strIn)
    {
        // Replace invalid characters with empty strings.
        return Regex.Replace(strIn, @"[^\w\.@-]", "");
    }

    // by Paolo Tedesco
    public static String UseStringBuilder(string strIn)
    {
        const string removeChars = " ?&^$#@!()+-,:;<>’\'-_*";
        // specify capacity of StringBuilder to avoid resizing
        StringBuilder sb = new StringBuilder(strIn.Length);
        foreach (char x in strIn.Where(c => !removeChars.Contains(c)))
        {
            sb.Append(x);
        }
        return sb.ToString();
    }

    // by Paolo Tedesco, but using a HashSet
    public static String UseStringBuilderWithHashSet(string strIn)
    {
        var hashSet = new HashSet<char>(" ?&^$#@!()+-,:;<>’\'-_*");
        // specify capacity of StringBuilder to avoid resizing
        StringBuilder sb = new StringBuilder(strIn.Length);
        foreach (char x in strIn.Where(c => !hashSet.Contains(c)))
        {
            sb.Append(x);
        }
        return sb.ToString();
    }

    // by SteveDog
    public static string UseStringBuilderWithHashSet2(string dirtyString)
    {
        HashSet<char> removeChars = new HashSet<char>(" ?&^$#@!()+-,:;<>’\'-_*");
        StringBuilder result = new StringBuilder(dirtyString.Length);
        foreach (char c in dirtyString)
            if (removeChars.Contains(c))
                result.Append(c);
        return result.ToString();
    }

    // original by patel.milanb
    public static string UseReplace(string dirtyString)
    {
        string removeChars = " ?&^$#@!()+-,:;<>’\'-_*";
        string result = dirtyString;

        foreach (char c in removeChars)
        {
            result = result.Replace(c.ToString(), string.Empty);
        }

        return result;
    }

    // by L.B
    public static string UseWhere(string dirtyString)
    {
        return new String(dirtyString.Where(Char.IsLetterOrDigit).ToArray());
    }
}

static class Program
{
    /// <summary>
    /// The main entry point for the application.
    /// </summary>
    [STAThread]
    static void Main()
    {
        var dirtyString = "sdfdf.dsf8908()=(=(sadfJJLef@ssyd€sdöf////fj()=/§(§&/(\"&sdfdf.dsf8908()=(=(sadfJJLef@ssyd€sdöf////fj()=/§(§&/(\"&sdfdf.dsf8908()=(=(sadfJJLef@ssyd€sdöf";
        var sw = new Stopwatch();

        var iterations = 50000;

        sw.Start();
        for (var i = 0; i < iterations; i++)
            CleanString.<SomeMethod>(dirtyString);
        sw.Stop();
        Debug.WriteLine("CleanString.<SomeMethod>: " + sw.ElapsedMilliseconds.ToString());
        sw.Reset();

        ....
        <repeat>
        ....       
    }
}

---

产量

CleanString.UseReplace: 791
CleanString.UseStringBuilder: 2805
CleanString.UseStringBuilderWithHashSet: 521
CleanString.UseStringBuilderWithHashSet2: 331
CleanString.UseRegex: 1700
CleanString.UseWhere: 233

---

结论

您使用哪种方法可能无关紧要。

UseWhere （ UseWhere ：233ms）和最慢（ UseStringBuilder ：2805ms）方法之间的时间差为2572ms，连续调用50000（！）次。 如果不经常运行该方法，您可能不需要关心它。

但是如果你这样做，请使用UseWhere方法（由LB编写）; 但也要注意它略有不同。

Answer 2

如果它纯粹是你所追求的速度和效率，我会建议做这样的事情：

public static string CleanString(string dirtyString)
{
    HashSet<char> removeChars = new HashSet<char>(" ?&^$#@!()+-,:;<>’\'-_*");
    StringBuilder result = new StringBuilder(dirtyString.Length);
    foreach (char c in dirtyString)
        if (!removeChars.Contains(c)) // prevent dirty chars
            result.Append(c);
    return result.ToString();
}

RegEx当然是一个优雅的解决方案，但它增加了额外的开销。 通过指定字符串构建器的起始长度，它只需要分配一次内存（最后一次分配ToString ）。 这将减少内存使用量并提高速度，尤其是在较长的字符串上。

但是，正如LB所说，如果你使用它来正确编码绑定到HTML输出的文本，你应该使用HttpUtility.HtmlEncode而不是自己动手。

Answer 3

使用正则表达式[?&^$#@!()+-,:;<>'\\'-_*]替换为空字符串

Answer 4

我不知道，在性能方面，使用Regex或LINQ是否会有所改进。
可能有用的东西是使用StringBuilder创建新字符串，而不是每次使用string.Replace ：

using System.Linq;
using System.Text;

static class Program {
    static void Main(string[] args) {
        const string removeChars = " ?&^$#@!()+-,:;<>’\'-_*";
        string result = "x&y(z)";
        // specify capacity of StringBuilder to avoid resizing
        StringBuilder sb = new StringBuilder(result.Length);
        foreach (char x in result.Where(c => !removeChars.Contains(c))) {
            sb.Append(x);
        }
        result = sb.ToString();
    }
}

Answer 5

尝试一下： http ： //msdn.microsoft.com/en-us/library/xwewhkd1.aspx

Answer 6

也许首先解释'为什么'然后再解释'什么'是有帮助的。 您的性能降低的原因是因为c＃copies-and -c替换每个替换的字符串。 根据我在.NET中使用Regex的经验并不总是更好 - 虽然在大多数情况下（我认为包括这个）它可能会工作得很好。

如果我真的需要性能，我通常不会让运气好，只需告诉编译器我想要的东西：即：创建一个带有上限字符数的字符串，并复制你需要的所有字符。 也可以用开关/ case或数组替换hashset，在这种情况下你最终可能会跳转表或数组查找 - 这甚至更快。

“务实”的最佳但快速的解决方案是：

char[] data = new char[dirtyString.Length];
int ptr = 0;
HashSet<char> hs = new HashSet<char>() { /* all your excluded chars go here */ };
foreach (char c in dirtyString)
    if (!hs.Contains(c))
        data[ptr++] = c;
return new string(data, 0, ptr);

顺便说一句：当您想要处理高代理Unicode字符时，此解决方案不正确 - 但可以轻松调整以包含这些字符。

-Stefan。

Answer 7

这个更快！
采用：

string dirty=@"tfgtf$@$%gttg%$% 664%$";
string clean = dirty.Clean();


    public static string Clean(this String name)
    {
        var namearray = new Char[name.Length];

        var newIndex = 0;
        for (var index = 0; index < namearray.Length; index++)
        {
            var letter = (Int32)name[index];

            if (!((letter > 96 && letter < 123) || (letter > 64 && letter < 91) || (letter > 47 && letter < 58)))
                continue;

            namearray[newIndex] = (Char)letter;
            ++newIndex;
        }

        return new String(namearray).TrimEnd();
    }

Answer 8

我无法花时间进行酸性测试，但这条线并没有按照需要实际清理斜线。

HashSet<char> removeChars = new HashSet<char>(" ?&^$#@!()+-,:;<>’\'-_*");

我不得不单独添加斜杠并逃避反斜杠

HashSet<char> removeChars = new HashSet<char>(" ?&^$#@!()+-,:;<>’'-_*");
removeChars.Add('/');
removeChars.Add('\\');

Answer 9

我在我当前的项目中使用它，它工作正常。 它接受一个句子，它删除所有非字母数字字符，然后返回句子，第一个字母大写的所有单词和小写的其他所有单词。 也许我应该称之为SentenceNormalizer。 命名很难:)

    internal static string StringSanitizer(string whateverString)
{
    whateverString = whateverString.Trim().ToLower();
    Regex cleaner = new Regex("(?:[^a-zA-Z0-9 ])", RegexOptions.IgnoreCase | RegexOptions.CultureInvariant | RegexOptions.Compiled);
    var listOfWords = (cleaner.Replace(whateverString, string.Empty).Split(' ', StringSplitOptions.RemoveEmptyEntries)).ToList();
    string cleanString = string.Empty;
    foreach (string word in listOfWords)
    {
        cleanString += $"{word.First().ToString().ToUpper() + word.Substring(1)} ";
    }
    return cleanString;
}