Строки в C# — это неизменяемые (immutable) последовательности символов Unicode, представленные типом string. При работе с ними часто возникает необходимость поэлементного обхода: поиск символа, анализ, преобразование или просто чтение. На первый взгляд задача простая, но существуют важные особенности, связанные с кодировкой, производительностью и корректной обработкой Unicode. В этой статье разберём основные способы перебора строки и определим, когда какой метод предпочтительнее.
1. Цикл for с индексом
Самый прямой и быстрый способ — использовать классический цикл for, обращаясь к символам по индексу через свойство Length и индексатор [].
Преимущества:
- Высокая производительность (прямой доступ к памяти).
- Возможность изменять индекс во время обхода (пропускать, возвращаться назад).
- Простота получения как символа, так и его позиции.
Недостатки:
- Не учитывает суррогатные пары (об этом ниже).
- Требует явного управления границами.
2. Цикл foreach
foreach — синтаксический сахар, который использует итератор по строке. Для строк он автоматически перебирает все символы char.
Преимущества:
- Краткость и читаемость.
- Не нужно заботиться об индексах и границах.
Недостатки:
- Не даёт доступа к индексу текущего символа.
- Так же, как и for, не обрабатывает суррогатные пары.
3. Цикл while
Можно организовать обход с помощью while, вручную управляя индексом:
Этот вариант редко используется для простого перебора, но может быть полезен, если логика обхода нелинейна.
4. Преобразование в массив символов
Иногда разработчики используют ToCharArray():
Недостатки:
- Метод создаёт копию строки, что приводит к дополнительному выделению памяти и снижению производительности. Для больших строк это крайне нежелательно. Использовать ToCharArray() стоит только если вам действительно нужна изменяемая копия символов.
5. Корректная обработка Unicode: суррогатные пары и составные символы
Тип char в C# представляет 16-битную кодовую единицу UTF-16. Многие символы Unicode (например, эмодзи 🚀, древние иероглифы) кодируются двумя char — суррогатной парой. Простой перебор по char разорвёт такие символы на две части, что приведёт к неверным результатам.
Использование StringInfo
Класс StringInfo из пространства имён System.Globalization позволяет перебирать строку по текстовым элементам (графемам).
Этот код корректно выведет каждый видимый символ, включая эмодзи (если устройство вывода позволяет это сделать).
Использование Rune
Начиная с .NET Core 3.0, появился тип Rune, представляющий один скалярный код Unicode. Его можно использовать для перебора строки без разрыва суррогатных пар.
EnumerateRunes() возвращает последовательность Rune, каждый из которых соответствует одному кодовому пункту Unicode. Это удобнее, чем StringInfo, если не нужно объединять составные символы (например, буква с диакритическим знаком). Для полной поддержки графем всё равно придётся использовать StringInfo.
6. Производительность: for против foreach против Span
В большинстве случаев разница между for и foreach для строк незначительна. Компилятор и JIT оптимизируют foreach в аналогичный for. Однако если вы работаете с очень большими строками и важна каждая микросекунда, можно использовать Span<char> для прямого доступа к памяти без проверок границ (в небезопасном коде) или с минимальными проверками.
Использование Span<char>
AsSpan() не создаёт копию, а предоставляет представление над исходной строкой. Это может дать небольшой выигрыш в производительности, особенно при многократных проходах.
7. Практические советы
8. Заключение
Перебор строки в C# — простая операция, но её реализация зависит от целей и задач. Для большинства повседневных задач достаточно цикла foreach или for. Если вы работаете с текстом, содержащим эмодзи или нелатинские письменности, обязательно учитывайте особенности Unicode. Используйте StringInfo или Rune, чтобы избежать ошибок. При разработке высоконагруженных приложений не забывайте о производительности и применяйте Span<char>. Правильный выбор метода сделает ваш код не только быстрым, но и правильным с точки зрения обработки текста.
На этом всё. Подписывайтесь на канал, чтобы ничего не пропустить.