C#中如何高效修剪字符串开头的空白及自定义字符？

需求说明 #

在C#中处理海量字符串时，需要实现以下修剪逻辑：

• 移除字符串两端所有符合Char.IsWhitespace定义的空白字符
• 额外移除字符串开头的自定义字符（如~、$等）
• 最终结果的首字符既非空白也不在自定义字符列表中（首字符之后的内容不受限制）
• 必须仅遍历字符串一次，避免多次遍历带来的性能损耗

现有代码的问题 #

当前实现多次调用Trim系列方法，存在两个核心问题：

static class TrimmerExtension
{
    private const string _prefixCharsToTrimAsString = "~`$|-_";
    private static readonly char[] _prefixCharsToTrim;

    static TrimmerExtension()
    {
        _prefixCharsToTrim = _prefixCharsToTrimAsString.ToCharArray();
    }

    public static string TrimWhitespaceAndPrefixes(this string s)
    {
        return s.Trim().TrimStart(_prefixCharsToTrim).TrimStart();
    }
}

• 性能问题：多次调用Trim、TrimStart会对字符串进行多次完整遍历，处理海量数据时性能开销极大
• 逻辑漏洞：无法处理空白与自定义字符交替出现的开头场景，例如输入" $ ~ Something "会返回"~ Something"，但开头的~属于自定义修剪字符，应该被移除

解决方案 #

1. 单次遍历的高效实现

通过手动遍历字符串，一次定位有效子串的起始和结束位置，避免多次遍历：

static class TrimmerExtension
{
    private const string _prefixCharsToTrimAsString = "~`$|-_";
    // 用HashSet优化自定义字符的查询性能
    private static readonly HashSet<char> _prefixCharsToTrim = new HashSet<char>(_prefixCharsToTrimAsString);

    public static string TrimWhitespaceAndPrefixes(this string s)
    {
        if (string.IsNullOrEmpty(s))
            return s;

        // 定位起始位置：跳过所有空白或自定义前缀字符
        int startIndex = 0;
        while (startIndex < s.Length)
        {
            char currentChar = s[startIndex];
            if (!char.IsWhiteSpace(currentChar) && !_prefixCharsToTrim.Contains(currentChar))
                break;
            startIndex++;
        }

        // 所有字符都需要修剪的情况
        if (startIndex == s.Length)
            return string.Empty;

        // 定位结束位置：从末尾跳过所有空白字符
        int endIndex = s.Length - 1;
        while (endIndex >= startIndex && char.IsWhiteSpace(s[endIndex]))
            endIndex--;

        // 截取有效子串
        return s.Substring(startIndex, endIndex - startIndex + 1);
    }
}

关键优化点：

• 使用HashSet<char>存储自定义字符，将查询操作从O(n)降为O(1)
• 仅两次单向遍历（左到右找起始、右到左找结束），总字符访问量等于字符串长度，远优于多次完整遍历
• 覆盖了空字符串、全修剪等边界场景
• 逻辑完全符合需求：起始位置确保首字符既非空白也不在自定义列表中，结尾位置移除所有尾部空白

2. 关于Trim()默认空白字符的说明

.NET并未公开Trim()默认移除的空白字符常量数组，但直接使用char.IsWhiteSpace方法即可和原生Trim()的行为完全一致，无需手动定义空白字符数组。该方法涵盖了所有Unicode标准中的空白字符类别，逻辑与原生Trim()完全对齐。

内容的提问来源于stack exchange，提问作者Slim PICkins