Особенности строк в .NET

[PetrovSerega]

Спасибо! Очень интересно!

var s3 = " habra" + " habr";

Тут насколько я понимаю должно быть

var s3 = " habra" + "habr";

[tguev]

Именно! Лишний пробел) Поправил.

[xonix]

Для сравнения возьмем строки Java.

У Вас устаревшие данные, см. www.rsdn.ru/forum/java/4988346?tree=tree

[tguev]

Спасибо за замечание. Не знал…

[quarck]

И еще вы зря смешали в одну кучу и С и С++ в исходном примере. Я думаю внутренняя реализация std::string куда ближе по внутреннему устройству к " basic string", хотя и с рядом существенных отличий.

[jonie]

Кошка — аналог принтера (правда с рядом существенных отличий)…

[quarck]

std::string (точнее говоря std::basic_string) так-же как и C#-ные «basic string» хранит помимо буффера строки, еще и размер, так-же позволяет нулевые символы посредине строки, так-же держит нулевой символ в конце буффера, не смотря на то, что самому классу он не нужен, но держит для совместимости со старыми C-API (т.е. по сути — ради c_str()). А различия представления строки только в том, что размер строки хранится не в нескольких байтах перед самой строкой, а отдельным полем класса std::basic_string

Более существенные отличия от C# в том, что std::string — mutable, и по этому реализует (на ряде платформ) такие фишки как например copy-on-write копирование строк, которые в C# просто не нужны.

[jonie]

это вы еще про разные реализации STL наверно невкурсе… а стоило бы… (например ms реализация может хранить небольшие строки в стеке, перенося их в кучу при увеличении и т.д.)…

кошка VS принтер:
Как и принтер кошка может занимать пространство на столе, является теплым (теплее чем окружающий воздух), в большом количестве времени ничего не делает (простаивает), потребляет некоторое количество рессурсов, её надо периодически чистить, может издавать звуки, и ее может тошнить потребляемым ресурсом…

На самом деле между строками C# и C++ столько же совпадений как и в приведенном мной примере.

[quarck]

Я не говорю что они совсем вот идентичны. Мой изначальный комментарий был про то, что не надо смешивать C и C++ строки, std::string куда ближе к C# строкам чем к C строкам.

Про то, как делает ms — извините, мало в курсе, т.к. большая часть опыта связана с не-windows платформами.

[qw1]

Эта оптимизация есть не только у MS, но и в кроссплатформенном STLPORT

  enum {_DEFAULT_SIZE = 4 * sizeof( void * )};
#if defined (_STLP_USE_SHORT_STRING_OPTIM)
  union _Buffers {
    _Tp*  _M_end_of_storage;
    _Tp   _M_static_buf[_DEFAULT_SIZE];
  } _M_buffers;
#else
  _Tp*    _M_end_of_storage;
#endif

Внутри объекта string есть буфер на 16 знаков (32 для x64) и если строка короткая, для её содержимого не выделяется дополнительно память вне объекта string.

[gribozavr]

И в libc++:
llvm.org/viewvc/llvm-project/libcxx/trunk/include/string?revision=176593&view=markup

См. struct __long, struct __short и struct __rep с union внутри.

[Nagg]

По-моему, вы в тексте себе противоречите:

Использование неизменных строк ведет к снижению нагрузки на память, так как нет необходимости хранить 2 экземпляра одной строки. В таком случае и памяти меньше расходуется, и сравнение происходит быстрее, так как требует сравнение лишь ссылок

и

они неизменяемы и их сравнение происходит по значению, а не по ссылкам

[Nagg]

На самом деле сравнивание сперва идет по ссылке, а потом (видемо в случае поломанного интернирования) так: paste.org.ru/?t6mbfn

[Alvaro]

Спасибо. Очень интересно и въедливо. Насколько я помню, чтобы работало переопределение Object.Equals, надо переопределить Object.GetHashCode.

[jonie]

«чтобы работало» надо его просто переопределить (override). Хорошей практикой является переопределение двух этих методов (для согласованности логики), но это не обязательно.

[senia]

Смотря что подразумевается под «обязательно».
Есть такое понятие, как контракт на Equals. Он не контролируется компилятором, но подразумевается многими инструментами.

[jonie]

Ну пусть подразумевается. С чего бы это стало обязательным? Не путайте людей — есть стандарт языка — в нём всё обязательное прописано, а в остальном это «хорошая\плохая практика использования».

[senia]

.

[impwx]

Если я правильно помню, GetHashCode() используется различными контейнерами типа HashSet или Dictionary для проверки существования ключа. Если переопределить только Equals, то работа с ними будет приводить к неожиданным результатам.

[senia]

Что-то меня сглючило. Сослался на java.

Вот msdn:

A hash function must have the following properties:

If two objects compare as equal, the GetHashCode method for each object must return the same value.

То есть переопределяя Equals, вы обязаны переопределить GetHashCode, для соблюдения контракта, прописанного как обязательный в стандарте языка.

[jonie]

вы уверены что вы стандарт языка не путаете с справкой по .net framework? Кроме того переводчик из вас никакой, там речь про метод Equals() не ведется.

[senia]

Хорошо, уели. В CSharp Language Specification этого действительно нет. Более того, этого нет даже в summary к Object, чему я крайне удивлен (в Java — есть).

На мой взгляд упоминание при людях, плохо разбирающихся в языке, что переопределять GetHashCode при переопределении Equals не обязательно, все-таки не стоит. Есть плохие практики, но эта просто ужасна.

[ST-bobr]

Отличная статья, спасибо.
Вот еще интересно про интернирование строк: blogs.msdn.com/b/ruericlippert/archive/2009/09/28/string-empty.aspx
Остался только один вопрос:

string str1 = "habr";
string str2 = "habr";
Console.WriteLine(str1 == str2); 

Понятно что ответ true, но что произошло? Проверка по ссылке или по значению?

[Suvitruf]

Здесь str1 и str2 будут ссылаться на один объект и проверка, видимо, будет по ссылке.

[senia]

public static bool operator ==(string a, string b)
    Member of System.String

Таки по значению.
Точнее сначала по ссылке, потом по значению как оптимизированная реализация сравнения.

А вот если к Object привести, то по ссылке.

[ST-bobr]

По идее, если у нас включено интернирование, и если метод Equals сначала проверяет по ссылке, то str1 и str2 в данном случае должны указывать на один объект. В таком случае пройдет проверка по ссылке.

[Kilew]

Режим зануды: ON

Осталось вспомнить, что каждый символ в строке находится в UTF -16 кодировке значит, занимает так же 2 байта, следовательно

UTF-16 — кодировка с переменным количеством байт на символ. Либо 2, либо 4 байта.
Режим зануды: OFF

[Monnoroch]

А зря вы OFF, это же очень существенно, например, сразу встает вопрос, что такое length: размер буффера или логическая длина, и в случае переменной длины символов уже нельзя просто получить одно из другого, надо хранить оба числа для O(1) получения. При том, что клиенту почти всегда нужна длина в символах, а для внутренней кухни часто требуется размер в байтах, и если хранится только одно число, то это серьезная просадка производительности.

[crea7or]

Потому что UCS-2

[madkite]

если вы сериализуете полученную подстроку стандартными средствами и передаете её по сети, то будет сериализован весь оригинальный массив и количество передаваемых байтов по сети будет большим

Извините, но это полный бред. Больше похоже на грязную рекламу типа: посмотрите как в яве отстойно и как в донете круто. В Sun/Oracle не настолько тупые люди работают, чтобы не предусмотреть специальный случай для сериализации строк. Разве так сложно это проверить 5-ю строчками кода, перед тем как писать в статье?

[tguev]

.

[tguev]

Во-первых это не бред. Мой вывод был сделан на основании реализации метода substring который до последней версии возвращал ссылку на текущий массив символов.
Во-вторых это не реклама и тем более не грязная реклама. Ведь никто не говорит, что в .NET строки реализованы лучше чем в Java!
В-третьих не думаю, что в Sun/Oracle работают тупые люди.
В-четвертых реализация строкового типа в последней версии Java поменялась и теперь она похожа на поведение в .NET.

[madkite]

Мой вывод был сделан на основании реализации метода substring который до последней версии возвращал ссылку на текущий массив символов.

Ну нельзя же на основе только метода substring делать вывод о сериализации! Это как-то глупо. Разве не логично глянуть реализацию сериализации? Ну или хотя бы просто проверить.