C#中字符串优化String.Intern、IsInterned详解

前言

string是一种很特殊的数据类型，它既是基元类型又是引用类型，在编译以及运行时，.Net都对它做了一些优化工作，正式这些优化工作有时会迷惑编程人员，使string看起来难以琢磨。本文将给大家详细介绍关于C#字符串优化String.Intern、IsInterned的相关内容，分享出来供大家参考学习，下面话不多说了，来一起看看详细的介绍吧。

首先看一段程序：

using System;
 
class Program
{
 static void Main(string[] args)
 {
 string a = "hello world";
 string b = a;
 a = "hello";
 Console.WriteLine("{0}, {1}", a, b);
 Console.WriteLine(a == b);
 Console.WriteLine(object.ReferenceEquals(a, b));
 }
}

这个没有什么特殊的地方，相信大家都知道运行结果：

hello, hello world
False
False

第二个WriteLine使用==比较两个字符串，返回False是因为他们不一致。而最后一个WriteLine返回False，因为a、b的引用不一致。

接下来，我们在代码的最后添加代码：

Console.WriteLine((a + " world") == b);
Console.WriteLine(object.ReferenceEquals((a + " world"), b));

这个的输出，相信也不会出乎大家的意料。前者返回True，因为==两边的内容相等；后者为False，因为+运算符执行完毕后，会创建一个新的string实例，这个实例与b的引用不一致。

上面这些就是对象的通常工作方式，两个独立的对象可以拥有同样的内容，但他们却是不同的个体。

接下来，我们就来说一下string不寻常的地方

看一下下面这段代码：

using System;

class Program
{
 static void Main(string[] args)
 {
 string hello = "hello";
 string helloWorld = "hello world";
 string helloWorld2 = hello + " world";
 
 Console.WriteLine("{0}, {1}: {2}, {3}", helloWorld, helloWorld2,
 helloWorld == helloWorld2,
 object.ReferenceEquals(helloWorld, helloWorld2));
 }
}

运行一下，结果为：

hello world, hello world: True, False

再一次，没什么意外，==返回true因为他们内容相同，ReferenceEquals返回False因为他们是不同的引用。
现在在后面添加这样的代码：

helloWorld2 = "hello world";
Console.WriteLine("{0}, {1}: {2}, {3}", helloWorld, helloWorld2,
 helloWorld == helloWorld2,
 object.ReferenceEquals(helloWorld, helloWorld2));

运行，结果为：

hello world, hello world: True, True

等一下，这里的hellowWorld与helloWorld2引用一致？这个结果，相信很多人都有些接受不了。这里的helloWorld2与上面的hello + " world"应该是一样的，但为什么ReferenceEquals返回的是True？

String.Intern

有经验的程序员们，应该知道，一个大型项目中，字符串的数量是巨大的。有些时候会出现几百、几千、甚至几万的重复字符串存在。这些字符串的内容相同，但却会重复分配内存，占用巨额的存储空间，这个肯定是要优化处理的。而C#在处理这个问题的时候，采用的就是普遍的做法，建立内部的池，池中每一个不同的字符串存在唯一一个个体在池中（这个方案在各种大型项目中都能见得到）。而C#毕竟是一种语言，而不是一个面向某个具体领域的技术，所以，它不能将这种内部的池技术，做成全部自动化的。因为我们不知道，将来C#会被使用到何种规模的项目中。如果完全自动化维护这个内部池，可能会在大型项目中，造成内存的巨大浪费，毕竟不是所有的字符串都有必要加到这个常驻的池中的。于是，C#提供了String.Intern和String.IsInterned接口，交给程序员自己维护内部的池。

String.Intern的工作方式很好理解，你将一个字符串作为参数使用这个接口，如果这个字符串已经存在池中，就返回这个存在的引用；如果不存在就将它加入到池中，并返回引用，例如：

Console.WriteLine(object.ReferenceEquals(String.Intern(helloWorld), String.Intern(helloWorld2)));

这段代码将返回True，尽管helloWorld与helloWorld2的引用不同，但他们的内容相同。

这里我们花几分钟，测试一下String.Intern，因为在某些情况下，它产生的结果，有点违反直觉。这里是一个例子：

string a = new string(new char[] {'a', 'b', 'c'});
object o = String.Copy(a);
Console.WriteLine(object.ReferenceEquals(o, a));
String.Intern(o.ToString());
Console.WriteLine(object.ReferenceEquals(o, String.Intern(a)));

第一个WriteLine返回False很好理解，因为String.Copy创建了一个a的新的实例，所以，o与a的引用不用。

但为什么第二个WriteLine返回的是True？思考一下吧，下面再看一个例子：

object o2 = String.Copy(a);
String.Intern(o2.ToString());
Console.WriteLine(object.ReferenceEquals(o2, String.Intern(a)));

这个看起来，与上面的做了同样的事，但为什么WriteLine返回的是False？

首先，需要说明一下ToString的工作方式，它总是返回它自身的引用。o是一个指向“abc”的变量，调用ToString返回的就是这个引用。所以，对于上面的内容，可以这样解释：

• 开始，变量a指向字符串对象“abc”（#1），变量o指向另一个字符串对象（#2），也包含“abc”。
• 调用String.Intern(o.ToString())将对象#2的引用添加到内部池中。
• 现在#2对象已经存在池中了，任何时候，使用“abc”调用String.Intern都将返回#2的引用（o指向了这个对象）。
• 所以，当你使用ReferenceEquals比较o和String.Intern(a)时，返回True。因为String.Intern(a)返回的是#2的引用。
• 现在我们创建一个新的变量o2，使用String.Copy(a)创建一个新的对象#3，它也包含“abc”。
• 调用String.Intern(o2.ToString())没有向内部池中添加任何内容，因为“abc”已经存在（#2）。
• 所以，此时调用Intern返回的是对象#2的引用。注意，这里并没有使用类似o2 = String.Intern(o2.ToString())这样的代码。
• 这就是为什么最后一行WriteLine打印的False的原因，因为我们在尝试比较#3与#2的引用。如果如7中所说，添加o2 = String.Intern(o2.ToString())这样的代码，WriteLine返回的就是True。

String.IsInterned

IsInterned，正如它的名字，判断一个字符串是不是已经在内部池中。如果传入的字符串已经在池中，则返回这个字符串对象的引用，如果不再池中，返回null。

下面是一个IsInterned例子：

string s = new string(new char[] {'x', 'y', 'z'});
Console.WriteLine(String.IsInterned(s) ?? "not interned");
String.Intern(s);
Console.WriteLine(String.IsInterned(s) ?? "not interned");
Console.WriteLine(object.ReferenceEquals(
String.IsInterned(new string(new char[] { 'x', 'y', 'z' })), s));

第一个WriteLine打印的是“not interned”，因为“xyz”还没有存在于内部池中；第二个WriteLine打印了“xyz”因为现在内部池中有了“xyz”；第三个WriteLine打印True，因为对象引用的就是内部池中的“xyz”。

常量字符串自动被加入内部池

改变最后一行代码为：

Console.WriteLine(object.ReferenceEquals("xyz", s));

你会发现，奇怪的事情发生了，这些代码不再输出“not interned”了，并且最后的两个WriteLine输出的是False！发生了什么？

原因就是这个最后添加的那行代码中的常量“xyz”，CLR会将程序中使用的字符常量自动添加到内部池中。所以，当最后一行被添加之后，“xyz”在程序“运行之前”（避免严谨，这里用引号）就已经存在于内部池中。所以，当调用String.IsInterned的时候，返回的不再是null，而是指向“xyz”的引用。这也解释了，为什么后面的ReferenceEquals返回False，因为s从来没有被加到内部池中，其指向也不是内部池的"xyz"。

编译器比你想象的要聪明

改变最后一行代码为：

Console.WriteLine(object.ReferenceEquals("x" + "y" + "z", s));

运行一下，你会发现运行结果和直接使用“xyz”一样。但这里使用了+运算符啊？编译器不应该知道”x“+"y"+"z"最终的结果吧？

实际上，如果你将”x“+"y"+"z"替换为String.Format("{0}{1}{2}",'x','y','z')，结果确实就不一样了。某种原因，CLR会将使用+运算符链接的字符串视为常量，而String.Format却需要在运行时才能知道结果。为什么？看一下下面的代码：

using System;
 
class Program {
 public static void Main() {
 Console.WriteLine("x" + "y" + "z");
 }
}

这段代码编译之后，使用Ildasm.exe查看，会看到：

Screenshot - ILDasm intern-xyz Main method.png

看到了吧，编译器足够聪明，将”x“+"y"+"z"替换为”xyz“。

总结