C# 如何快速替换数组中的字符

我在XML文件上使用XML文本读取器，该文件可能包含对读取器无效的字符。我最初的想法是创建自己版本的流阅读器，并清除坏字符，但这严重减慢了我的程序

public class ClensingStream : StreamReader
{
        private static char[] badChars = { '\x00', '\x09', '\x0A', '\x10' };
    //snip
        public override int Read(char[] buffer, int index, int count)
        {
            var tmp = base.Read(buffer, index, count);

            for (int i = 0; i < buffer.Length; ++i)
            {
                //check the element in the buffer to see if it is one of the bad characters.
                if(badChars.Contains(buffer[i]))
                    buffer[i] = ' ';
            }

            return tmp;
        }
}

公共类ClensingStream:StreamReader
{
私有静态字符[]badChars={'\x00'，'\x09'，'\x0A'，'\x10'}；
//剪断
公共重写整型读取（字符[]缓冲区，整型索引，整型计数）
{
var tmp=base.Read（缓冲区、索引、计数）；
for（int i=0；i

---

根据我的探查器，代码88%的时间都花在if（badChars.Contains（buffer[i]）上。正确的方法是什么，这样我就不会造成可怕的缓慢？

使用

开关

语句，您可能会得到更好的结果：

switch (buffer[i])
{
    case '\x00':
    case '\x09':
    case '\x0A':
    case '\x10':
        buffer[i] = ' ';
        break;
}

JIT编译器应在运行时将其编译为快速代码。见鬼，编译器可能也会接近。您也不需要以这种方式进行方法调用。

您可以使用该方法进行优化。将文本读入字符串，然后与正则表达式中的字符一起使用

---

然而，你的代码在我看来也很好，我猜正则表达式除了搜索你的文本之外，什么都做不了。。。您需要在那里使用一个字符串，而不需要使用其他选项。

您只需检查读取字符，就可以检查它的优化程度

for (int i = index; i < index + count; i++){
  //etc
}

for（int i=index；i

---

不知道这是否/有多大帮助，您必须分析您的实际应用程序以检查

尝试转换

char[]

转换为字符串，然后使用

IndexOfAny

它在该行花费大量时间的原因是

Contains

方法在数组中循环查找字符

将字符放在

哈希集中

：

private static HashSet<char> badChars =
  new HashSet<char>(new char[] { '\x00', '\x09', '\x0A', '\x10' });

---

如果您有更多的字符（五个或六个IIRC），编译器实际上会创建一个哈希表来查找大小写，这与使用

哈希集类似，您可以使用布尔数组

char[] badChars = { '\x00', '\x09', '\x0A', '\x10' };
char maxChar = badChars.Max();
Debug.Assert(maxChar < 256);
bool[] badCharsTable = new bool[maxChar + 1];

Array.ForEach(badChars, ch => badCharsTable[ch] = true);

char[]badChars={'\x00'，'\x09'，'\x0A'，'\x10'}；
char maxChar=badChars.Max（）；
Assert（maxChar<256）；
bool[]badCharsTable=新bool[maxChar+1]；
ForEach（badChars，ch=>badCharsTable[ch]=true）；

并将
badChars.Contains（…）
替换为
（ch

编辑：终于有时间改进答案了。
你用
tmp
做什么？“'badChars.Contains（）”是什么样子的？我认为最好看看它所需要的总时间，而不是与其他东西进行比较。它会增加那么多额外的时间吗？@Tobias:我想这是
IEnumerable
上的LINQ实现。请注意，应该循环到
tmp
，而不是
缓冲区。长度
。缓冲区只包含有效数据，直到
tmp
所指示的点为止，因此在缓冲区的其余部分循环是浪费时间的。如果必须计时，我会尝试带有If（buffer[I]的变量经过测量，在没有调试器的情况下，发布速度提高了20%。这会对非ASCII字符产生问题。是的，这是真的。该示例只包含ASCII字符，因此我认为这种方法在这里是安全的。这非常不节省空间。哈希表在任何时候都比稀疏数组快。@Kugel:这取决于大小。您的h表可能与ASCII查找的整个表一样多，而且查找表的速度更快。请记住，哈希表是一个查找表，只是您查找的是哈希而不是值，您得到的是一个指向具有该哈希的值列表的指针，然后您必须按顺序搜索。指针比
bool大得多
@mgronber：使用小的查找表是安全的。但是，强制转换
（byte）ch
会产生误报。最好进行范围检查，而不是屏蔽高字节。例如
（ushort）ch I也在忙着写同样的东西。如果你使用的是.NET 3.5或更高版本，或者是rip System.Core of Mono并将其重新编译为2.0，由于查找的复杂性，HashSet是一个不错的选择。将其更改为hash set将运行时间从35秒更改为4秒。
char[] badChars = { '\x00', '\x09', '\x0A', '\x10' };
char maxChar = badChars.Max();
Debug.Assert(maxChar < 256);
bool[] badCharsTable = new bool[maxChar + 1];

Array.ForEach(badChars, ch => badCharsTable[ch] = true);