C#.net core 基礎 - “hello”.IndexOf(“\0”,2)中的坑

freeflydom

2024年12月6日 10:49 本文熱度 1293

先想想看，你認為下面代碼返回值是多少？

"hello".IndexOf("", 2);
"hello".IndexOf("\0", 2);
"hello".IndexOf('\0', 2);

今天和大家分享關于.net core中與字符相關的一些奇怪問題。

首先我們先以.NET8目標框架做為測試環(huán)境。直接上代碼：

using System.Reflection;
using System.Runtime.Versioning;
namespace TestNetCore
{
    internal class Program
    {
        static void Main(string[] args)
        {
            var assembly = Assembly.GetExecutingAssembly();
            var targetFramework = (TargetFrameworkAttribute?)Attribute.GetCustomAttribute(assembly, typeof(TargetFrameworkAttribute));
            if (targetFramework != null)
            {
                Console.WriteLine($"目標框架: {targetFramework.FrameworkName}");
            }
            Console.WriteLine(@"""hello"".IndexOf("""", 2) 結果：" + "hello".IndexOf("", 2));
            Console.WriteLine(@"""hello"".IndexOf(""\0"", 2) 結果：" + "hello".IndexOf("\0", 2));
            Console.WriteLine(@"""hello"".IndexOf('\0', 2) 結果：" + "hello".IndexOf('\0', 2));
            Console.ReadKey();
        }
    }
}

運行結果如下：

這與你設想的結果有差別嗎？雖然只是一個方法，三行代碼，但是這里面包含了很多知識點，下面我們就來具體聊聊為什么是這樣的結果，底層邏輯是什么。

相信大多數(shù)人會有一下幾個疑問：

① 為什么查找空字符串返回2

② 為什么查找“\0”也返回2

③ 為什么查找‘\0‘又返回-1

1、為什么"hello".IndexOf("", 2)返回2

下面我們一個一個來說，首先來說為什么"hello".IndexOf("", 2)返回2，這個問題比較簡單，就是方法本身定義問題，可以查看官方文檔有詳細說明，如下圖：

方法定義如此，如果查詢的值為空字符串，則返回值為startIndex，即查找起始位置索引，因為"hello".IndexOf("", 2)的2表示從索引2處開始查找，所以此這行代碼返回2。

2、為什么"hello".IndexOf("\0", 2)也返回2

雖然這里只是簡單的把空字符串改成了“\0”，但是里的問題就比較復雜了，涉及到多個知識點，首先這里涉及到Unicode編碼問題，當前文化設置問題，以及.NET全球化問題。

我們先回到這個問題，先來看看官方文檔說明，如下圖：

從這里面可以大膽猜測“\0”就是屬于可忽略字符，并且如果查詢的字符串包含了可忽略字符，則結果和移除該字符搜索等效，那么"hello".IndexOf("\0", 2)就等效與"hello".IndexOf("", 2)，因此返回2也就順利成章了。

首先我們猜測是正確的，“\0的確屬于可忽略字符，這就是Unicode編碼規(guī)范問題，而且不單單“\0“會有這樣的問題，Unicdoe可忽略字符都會有這樣的問題，比如”\u0010“、”\u001B“等。

Console.WriteLine(@"""hello"".IndexOf(""\u0010"", 2) 結果：" + "hello".IndexOf("\u0010", 2));
Console.WriteLine(@"""hello"".IndexOf(""\u001B"", 2) 結果：" + "hello".IndexOf("\u001B", 2));

執(zhí)行效果如下

3、為什么"hello".IndexOf(‘\0’, 2)返回-1

這個答案在上面的官方文檔說明中也可以看到蛛絲馬跡，“在執(zhí)行語言性的或區(qū)分區(qū)域性的比較時該字符不被考慮“，這句話是關鍵，說明IndexOf方法是會受當前文化設置影響的，雖然我們寫的代碼里沒有看到相關當前文化設置，但是不代表沒有，我們可以看下IndexOf相關的重載方法。

紅框中StringComparison參數(shù)就可以設置當前文化。我們看看有哪些設置選項。

因為"hello".IndexOf("\0", 2)內(nèi)部使用了StringComparison.CurrentCulture 而"hello".IndexOf(‘\0’, 2) 內(nèi)部使用了StringComparison.Ordinal，就是因為CurrentCulture枚舉值導致“在執(zhí)行語言性的或區(qū)分區(qū)域性的比較時”\0“不被考慮“，被直接忽略了，而Ordinal枚舉值不會有這樣的問題，所以沒有被忽略，所以"hello".IndexOf(‘\0’, 2)返回-1。

我們也可以直接調用IndexOf重載方法，指定StringComparison來達到我們想要的效果。

Console.WriteLine(@"""hello"".IndexOf(""\0"", 2, 3, StringComparison.CurrentCulture) 結果：" + "hello".IndexOf("\0", 2, 3, StringComparison.CurrentCulture));
Console.WriteLine(@"""hello"".IndexOf(""\0"", 2, 3, StringComparison.Ordinal) 結果：" + "hello".IndexOf("\0", 2, 3, StringComparison.Ordinal));

運行代碼如下：

雖然原因找到了，但是我們再深入思考一下，為什么會有這樣的差異呢？只有IndexOf方法有這樣的問題嗎？

要回答這個問題，就是我們上面提到的.NET全球化問題了。在 .NET 5 前，.NET 全球化 API 在不同的平臺上使用不同的基礎庫。在 Unix 上，API 使用 Unicode 國際組件 (ICU)，在 Windows 上，API 使用區(qū)域語言支持 (NLS)。這導致在不同平臺上運行應用程序時，在少數(shù)全球化 API 中存在一些行為差異。但是以下方面存在明顯的行為差異：區(qū)域性和區(qū)域性數(shù)據(jù)、字符串大小寫、字符串排序和搜索、排序關鍵字、字符串規(guī)范化、國際化域名 (IDN) 支持、Linux 上的時區(qū)顯示名稱。

因此不單單IndexOf方法有這樣的問題，下面這些API都有存在同樣的問題：

System.String.Compare
System.String.EndsWith
System.String.IndexOf
System.String.StartsWith
System.String.ToLower
System.String.ToLowerInvariant
System.String.ToUpper
System.String.ToUpperInvariant
System.Globalization.TextInfo（大多數(shù)成員）
System.Globalization.CompareInfo（大多數(shù)成員）
System.Array.Sort（對字符串數(shù)組進行排序時）
System.Collections.Generic.List<T>.Sort()（當列表元素為字符串時）
System.Collections.Generic.SortedDictionary<TKey,TValue>（當鍵為字符串時）
System.Collections.Generic.SortedList<TKey,TValue>（當鍵為字符串時）
System.Collections.Generic.SortedSet<T>（當集包含字符串時）

這里面很多方法都是有多個重載方法的，而每個重載方法默認當前文化設置可能并不相同。因此大家在開發(fā)的時候一定要注意使用，一不小心肯能就好引起一些奇怪的問題，因此大家盡量自己手動指定當前文化設置。

下表列出一些方法其對應的默認行為。