Лучший способ разбить строку на строки

149

Как разделить многострочную строку на строки?

Я знаю этот способ

var result = input.Split("\n\r".ToCharArray(), StringSplitOptions.RemoveEmptyEntries);

выглядит немного некрасиво и теряет пустые строки. Есть ли лучшее решение?

Константин Спирин
источник
1
Мне нравится это решение, я не знаю, как его упростить. Второй параметр, конечно же, удаляет тару.
NappingRabbit
Возможный дубликат самого простого способа разделить строку на новые строки в .NET?
Робин Беннетт

Ответы:

181
  • Если это выглядит некрасиво, просто удалите ненужный ToCharArrayвызов.

  • Если вы хотите разделить на \nили \r, у вас есть два варианта:

    • Используйте литерал массива - но это даст вам пустые строки для окончаний строк в стиле Windows \r\n:

      var result = text.Split(new [] { '\r', '\n' });
      
    • Используйте регулярное выражение, как указано Барт:

      var result = Regex.Split(text, "\r\n|\r|\n");
      
  • Если вы хотите сохранить пустые строки, почему вы явно указываете C # выбросить их? ( StringSplitOptionsпараметр) - использовать StringSplitOptions.Noneвместо.

Конрад Рудольф
источник
2
Удаление ToCharArray сделает код зависимым от платформы (NewLine может быть '\ n')
Константин Спирин
1
@Will: на случай, если вы имели в виду меня, а не Константина: я считаю ( твердо ), что код синтаксического анализа должен стремиться работать на всех платформах (т.е. он также должен читать текстовые файлы, которые были закодированы на разных платформах, а не на исполняющей платформе ). Так что для синтаксического анализа Environment.NewLineэто недопустимо, насколько я понимаю. Фактически, из всех возможных решений я предпочитаю использовать регулярные выражения, поскольку только оно правильно обрабатывает все исходные платформы.
Конрад Рудольф
2
@Hamish Ну просто посмотрите документацию перечисления или посмотрите исходный вопрос! Это StringSplitOptions.RemoveEmptyEntries.
Конрад Рудольф
8
Как насчет текста, содержащего '\ r \ n \ r \ n'. string.Split вернет 4 пустые строки, однако с '\ r \ n' он должен дать 2. Будет хуже, если '\ r \ n' и '\ r' смешаны в одном файле.
имя пользователя
1
@SurikovPavel Используйте регулярное выражение. Это определенно предпочтительный вариант, поскольку он правильно работает с любой комбинацией окончаний строк.
Конрад Рудольф
136
using (StringReader sr = new StringReader(text)) {
    string line;
    while ((line = sr.ReadLine()) != null) {
        // do something
    }
}
Джек
источник
12
На мой субъективный взгляд, это наиболее чистый подход.
primo
5
Есть идеи с точки зрения производительности (по сравнению с string.Splitили Regex.Split)?
Уве Кейм
57

Обновление: см. Здесь альтернативное / асинхронное решение.


Это отлично работает и быстрее, чем Regex:

input.Split(new[] {"\r\n", "\r", "\n"}, StringSplitOptions.None)

Важно иметь "\r\n"первую строку в массиве, чтобы она воспринималась как разрыв одной строки. Вышеупомянутое дает те же результаты, что и любое из этих решений Regex:

Regex.Split(input, "\r\n|\r|\n")

Regex.Split(input, "\r?\n|\r")

За исключением того, что Regex оказывается примерно в 10 раз медленнее. Вот мой тест:

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")
);

Выход:

00: 00: 03.8527616

00: 00: 31.8017726

00: 00: 32.5557128

и вот метод расширения:

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);
    }
}

Применение:

input.GetLines()      // keeps empty lines

input.GetLines(true)  // removes empty lines
орад
источник
Пожалуйста, добавьте дополнительные сведения, чтобы ваш ответ был более полезным для читателей.
Mohit Jain
Выполнено. Также добавлен тест для сравнения его производительности с решением Regex.
orad 08
Несколько более быстрый шаблон из-за меньшего количества откатов с той же функциональностью при использовании[\r\n]{1,2}
ΩmegaMan
@OmegaMan У него другое поведение. Он будет соответствовать \n\rили \n\nкак одинарный разрыв строки, что неверно.
orad
3
@OmegaMan Как обстоят дела с крайним Hello\n\nworld\n\nслучаем? Очевидно, что это одна строка с текстом, за которой следует пустая строка, за которой следует еще одна строка с текстом, за которой следует пустая строка.
Brandin
36

Вы можете использовать Regex.Split:

string[] tokens = Regex.Split(input, @"\r?\n|\r");

Изменить: добавлено |\rв учетную запись для (старых) терминаторов строк Mac.

Барт Кирс
источник
Это не будет работать с текстовыми файлами в стиле OS X, поскольку они используются только в \rкачестве окончания строки.
Конрад Рудольф
2
@Konrad Rudolph: AFAIK, '\ r' использовалось в очень старых системах MacOS и почти никогда больше не встречается. Но если OP должен это учитывать (или, если я ошибаюсь), то регулярное выражение, конечно же, можно легко расширить для его учета: \ r? \ N | \ r
Барт Кирс
@Bart: Я не думаю , что вы ошибаешься , но я уже неоднократно сталкивался все возможные концовки линии в моей карьере программиста.
Конрад Рудольф
@ Конрад, наверное, ты прав. Думаю, лучше перестраховаться, чем сожалеть.
Барт Кирс
1
@ ΩmegaMan: при этом будут потеряны пустые строки, например \ n \ n.
Майк
10

Если вы хотите сохранить пустые строки, просто удалите StringSplitOptions.

var result = input.Split(System.Environment.NewLine.ToCharArray());
Йонас Эльфстрём
источник
2
NewLine может быть '\ n', а вводимый текст может содержать "\ n \ r".
Константин Спирин
5
string[] lines = input.Split(new[] { '\r', '\n' }, StringSplitOptions.RemoveEmptyEntries);
МАГ ТОР
источник
4

У меня был другой ответ, но этот, основанный на ответе Джека , значительно быстрее, может быть предпочтительнее, поскольку он работает асинхронно, хотя и немного медленнее.

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;
            }
        }
    }
}

Применение:

input.GetLines()      // keeps empty lines

input.GetLines(true)  // removes empty lines

Контрольная работа:

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()
);

Выход:

00: 00: 03.9603894

00: 00: 00.0029996

00: 00: 04.8221971

орад
источник
Мне интересно, не потому ли, что вы фактически не проверяете результаты перечислителя, и, следовательно, он не выполняется. К сожалению, мне лень проверять.
Джеймс
Да, это действительно так !! Когда вы добавляете .ToList () к обоим вызовам, решение StringReader действительно работает медленнее! На моей машине это 6,74 с против 5,10 с
JCH2k 02
Это имеет смысл. Я по-прежнему предпочитаю этот метод, потому что он позволяет мне получать строки асинхронно.
orad
Может быть, вам следует удалить заголовок «Лучшее решение» в другом ответе и отредактировать этот ...
JCH2k
2

Немного закручено, но блок итератора для этого:

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);
}

Затем вы можете позвонить:

var result = input.Lines().ToArray();
JDunkerley
источник
1
    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();
    }
Джон Томпсон
источник
1

Сложно правильно обрабатывать смешанные окончания строк. Как мы знаем, символы завершения строки может быть « перевод строки» (ASCII 10, \n, \x0A, \u000A), «Возврат каретки» (ASCII 13, \r, \x0D, \u000D), или какой - либо их сочетание. Возвращаясь к DOS, Windows использует двухсимвольную последовательность CR-LF \u000D\u000A, поэтому эта комбинация должна выдавать только одну строку. Unix использует \u000Aединственный \u000Dсимвол , а очень старые Mac использовали единственный символ. Стандартный способ обработки произвольных сочетаний этих символов в одном текстовом файле следующий:

  • каждый символ CR или LF должен переходить к следующей строке, КРОМЕ ...
  • ... если за CR сразу следует LF ( \u000D\u000A), то эти два вместе пропускают только одну строку.
  • String.Empty - единственный ввод, который не возвращает строк (любой символ влечет за собой хотя бы одну строку)
  • Последняя строка должна быть возвращена, даже если в ней нет ни CR, ни LF.

Предыдущее правило описывает поведение StringReader.ReadLine и связанных функций, а функция, показанная ниже, дает идентичные результаты. Это эффективная функция разрыва строки C #, которая должным образом реализует эти рекомендации для правильной обработки любой произвольной последовательности или комбинации CR / LF. Пронумерованные строки не содержат символов CR / LF. Пустые строки сохраняются и возвращаются как 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));
}

Примечание. Если вы не возражаете против накладных расходов на создание StringReaderэкземпляра при каждом вызове, вместо этого можно использовать следующий код C # 7 . Как уже отмечалось, хотя приведенный выше пример может быть немного более эффективным, обе эти функции дают одинаковые результаты.

public static IEnumerable<String> Lines(this String s)
{
    using (var tr = new StringReader(s))
        while (tr.ReadLine() is String L)
            yield return L;
}
Гленн Слейден
источник