Dev Blog

StringBuilder, Unicode і регулярні вирази ​

Клас StringBuilder ​

Оскільки рядки незмінні, кожна операція s += "..." створює новий рядок і копіює в нього весь попередній текст. У циклі з тисячами повторень це означає тисячі копій, і час роботи зростає квадратично. Клас StringBuilder (простір імен System.Text) зберігає змінний буфер символів: додавання не копіює вже накопичений текст (https://learn.microsoft.com/dotnet/standard/base-types/stringbuilder).

cs
using System.Text;

var sb = new StringBuilder();
for (int i = 1; i <= 5; i++)
{
    sb.Append(i * i);
    if (i < 5)
    {
        sb.Append(", ");
    }
}
sb.Insert(0, "Квадрати: ");
sb.AppendLine(".");
sb.Replace(", ", "; ");
sb.Remove(0, 3);                     // видалити "Ква"

string result = sb.ToString();
Console.Write(result);               // драти: 1; 4; 9; 16; 25.

Основні методи: Append (додати значення в кінець), AppendLine (додати з переходом на новий рядок), Insert, Remove, Replace, Clear і ToString (отримати готовий рядок). Використовуйте StringBuilder, коли рядок збирається з багатьох частин у циклі; для кількох операцій звичайна конкатенація або інтерпольований рядок простіші й не повільніші.

Культура, Unicode та регулярні вирази ​

Регістр і культура ​

Методи ToUpper, ToLower, StartsWith(string), string.Compare і Array.Sort для рядків без додаткових параметрів використовують правила поточної культури. Для українського тексту це дає правильний алфавітний порядок, а порівняння за кодами (Ordinal) – ні: у таблиці Unicode літери «Є», «І», «Ї», «Ґ» розташовані окремо від основного блоку кирилиці:

cs
string[] words = ["яблуко", "ґава", "груша", "Євген", "іній"];

// Поточна культура: груша ґава Євген іній яблуко
Array.Sort(words);
Console.WriteLine(string.Join(" ", words));

// За кодами символів: Євген груша яблуко іній ґава
Array.Sort(words, StringComparer.Ordinal);
Console.WriteLine(string.Join(" ", words));

Для технічних рядків (коди, команди, ключі), які не повинні залежати від мови системи, використовують ToUpperInvariant, ToLowerInvariant і порівняння Ordinal.

Апостроф і символи Unicode ​

В українському тексті використовують типографський апостроф ’ (U+2019), але користувачі часто вводять ' (U+0027) або ʼ (U+02BC). Для комп’ютера це різні символи, тому "м'ята" == "м’ята" дає false. Перед порівнянням або пошуком текст нормалізують: замінюють усі варіанти апострофа одним, обрізають пробіли, зводять регістр:

cs
string input = "  М'ЯТА ";
string normalized = input.Trim()
    .Replace('\'', '’')
    .Replace('ʼ', '’')
    .ToLower();
Console.WriteLine(normalized == "м’ята");   // True

Властивість Length рахує символи char, а не видимі знаки: символи поза основною площиною Unicode, зокрема більшість емодзі, займають два char. Для кириличного тексту кожна літера – один char.

Регулярні вирази ​

Для перевірки формату рядка (номер телефону, e-mail, поштовий індекс) замість ланцюжка перевірок символів можна використати регулярний вираз – шаблон тексту. Клас Regex простору імен System.Text.RegularExpressions перевіряє відповідність методом IsMatch і замінює фрагменти методом Replace (https://learn.microsoft.com/dotnet/standard/base-types/regular-expression-language-quick-reference):

cs
using System.Text.RegularExpressions;

string phone = "+380 67 123 45 67";
bool ok = Regex.IsMatch(phone,
    @"^\+380 \d{2} \d{3} \d{2} \d{2}$");
Console.WriteLine(ok);                                   // True
Console.WriteLine(Regex.Replace("a   b  c", @"\s+", " "));  // a b c

У шаблоні ^ і $ позначають початок і кінець рядка, \d – цифру, {2} – рівно два повторення, \s+ – один або більше пробільних символів. Шаблони записують дослівними рядками @"…", щоб не подвоювати зворотні скісні риски. Регулярні вирази потужні, але складні для читання, тому в курсі їх використовують лише для простих перевірок.