C# 如果一个字符串出现在一个大的对象列表中，比较它的最快（性能）方法是什么？

目前我有一个包含两个字符串的对象：

class myClass
{
    public string string1 { get; set; }
    public string string2 { get; set; }

    public bool MatcheString1(string newString)
    {
        if (this.string1 == newString)
        {
            return true;
        }
        return false;
    }
}

然后，我有了第二个类，它使用list生成上述对象的列表

class URLs : IEnumerator, IEnumerable
{
    private List<myClass> myCustomList;
    private int position = -1;

    //  Constructor
    public URLs()
    {
        myCustomList = new List<myClass>();
    }
}

本质上，随着对象列表增长到100000大关，这个过程变得非常缓慢。什么是检查字符串是否存在的快速方法？我很乐意在类之外创建一个列表进行验证，但这对我来说似乎有点麻烦？

在排序数组（List）上搜索需要O（logN）

var sortedList=new SortedSet（）；
分类列表。添加（“abc”）；
//等等
分类列表。包含（“测试”）；

---

对哈希集的搜索需要O（1），但我猜在100k个元素（Log（100000）=5）的情况下，与占用更多内存的哈希集几乎没有区别。

一旦项目列表稳定，您可以计算匹配的哈希集，例如：

// up-front work
var knownStrings = new HashSet<string>();
foreach(var item in myCustomList) knownStrings.Add(item.string1);

---

这是非常便宜的（O（1）而不是O（N））。

如果您不介意使用不同的数据结构，而不是列表，您可以使用一个字典，其中对象通过其

string1

属性进行索引

public URLs()
{
    myDictionary = new Dictionary<string, myClass>();
}

---

使用集合而不是列表。基于散列的集合有

O（1）

lookup（可能会降级为

O（n）

），基于树的集合有

O（logn）

lookupjust do

return this.string1==newString

哈希集比排序数组占用更多内存，并且几乎没有O（1）和O（logN）的差异。对于任何非平凡的N，O（1）和O（logN）都有明显的不同-特别是当通过检查大量值组合时；对于10k元素Log（10k）=4:-）@sh1ng，问题是“最快的”，是的，但是假设你使用以100000000为底的对数，那么10000的对数只有0.5。你明白了吗？@ChrisS，这是一个描述你的真实场景的问题；p只有在他使用

BinaraySort

方法时，才使用

列表的排序。然而，这可能不是他想要的。编辑：如果他真的想搜索一个排序的集合，他也可以考虑使用<代码> SooDeSET < /C>。计算机在基2上工作，所以Log2（100000）＝16。这是一个巨大的不同。顺便说一下：您应该提到元素类型应该实现
IComparable
。否则这将崩溃。您正确地指出哈希集使用了更多内存，但是如果使用
newhashset（listOfValues）
使用预构建列表创建哈希集，则内存消耗只会稍微高一点。不幸的是，HashSet不允许直接设置其容量，因为它的设计使其容量始终是一个素数（人们不会接受将容量设置为100000，然后实际获得108631的容量）。
// up-front work
var knownStrings = new HashSet<string>();
foreach(var item in myCustomList) knownStrings.Add(item.string1);

return knownStrings.Contains(newString);

public URLs()
{
    myDictionary = new Dictionary<string, myClass>();
}

if(myDictionary.ContainsKey(newString))
  //...