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

news2024/9/30 23:03:27

先想想看，你认为下面代码返回值是多少？

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

今天和大家分享关于.net core中与字符相关的一些奇怪问题。

首先我们先以.NET8目标框架做为测试环境。直接上代码：

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($"目标框架: {targetFramework.FrameworkName}");
            }

            Console.WriteLine(@"""hello"".IndexOf("""", 2) 结果：" + "hello".IndexOf("", 2));
            Console.WriteLine(@"""hello"".IndexOf(""\0"", 2) 结果：" + "hello".IndexOf("\0", 2));
            Console.WriteLine(@"""hello"".IndexOf('\0', 2) 结果：" + "hello".IndexOf('\0', 2));
            Console.ReadKey();
        }
    }
}

运行结果如下：

这与你设想的结果有差别吗？虽然只是一个方法，三行代码，但是这里面包含了很多知识点，下面我们就来具体聊聊为什么是这样的结果，底层逻辑是什么。

相信大多数人会有一下几个疑问：

为什么查找空字符串返回2
为什么查找“\0”也返回2
为什么查找‘\0‘又返回-1

1、为什么"hello".IndexOf("", 2)返回2

下面我们一个一个来说，首先来说为什么"hello".IndexOf("", 2)返回2，这个问题比较简单，就是方法本身定义问题，可以查看官方文档有详细说明，如下图：

方法定义如此，如果查询的值为空字符串，则返回值为startIndex，即查找起始位置索引，因为"hello".IndexOf("", 2)的2表示从索引2处开始查找，所以此这行代码返回2。

2、为什么"hello".IndexOf("\0", 2)也返回2

虽然这里只是简单的把空字符串改成了“\0”，但是里的问题就比较复杂了，涉及到多个知识点，首先这里涉及到Unicode编码问题，当前文化设置问题，以及.NET全球化问题。

我们先回到这个问题，先来看看官方文档说明，如下图：

从这里面可以大胆猜测“\0”就是属于可忽略字符，并且如果查询的字符串包含了可忽略字符，则结果和移除该字符搜索等效，那么"hello".IndexOf("\0", 2)就等效与"hello".IndexOf("", 2)，因此返回2也就顺利成章了。

首先我们猜测是正确的，“\0的确属于可忽略字符，这就是Unicode编码规范问题，而且不单单“\0“会有这样的问题，Unicdoe可忽略字符都会有这样的问题，比如”\u0010“、”\u001B“等。

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

执行效果如下

3、为什么"hello".IndexOf(‘\0’, 2)返回-1

这个答案在上面的官方文档说明中也可以看到蛛丝马迹，“在执行语言性的或区分区域性的比较时该字符不被考虑“，这句话是关键，说明IndexOf方法是会受当前文化设置影响的，虽然我们写的代码里没有看到相关当前文化设置，但是不代表没有，我们可以看下IndexOf相关的重载方法。

红框中StringComparison参数就可以设置当前文化。我们看看有哪些设置选项。

因为"hello".IndexOf("\0", 2)内部使用了StringComparison.CurrentCulture 而"hello".IndexOf(‘\0’, 2) 内部使用了StringComparison.Ordinal，就是因为CurrentCulture枚举值导致“在执行语言性的或区分区域性的比较时”\0“不被考虑“，被直接忽略了，而Ordinal枚举值不会有这样的问题，所以没有被忽略，所以"hello".IndexOf(‘\0’, 2)返回-1。

我们也可以直接调用IndexOf重载方法，指定StringComparison来达到我们想要的效果。

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

运行代码如下：

虽然原因找到了，但是我们再深入思考一下，为什么会有这样的差异呢？只有IndexOf方法有这样的问题吗？

要回答这个问题，就是我们上面提到的.NET全球化问题了。在 .NET 5 前，.NET 全球化 API 在不同的平台上使用不同的基础库。在 Unix 上，API 使用 Unicode 国际组件 (ICU)，在 Windows 上，API 使用区域语言支持 (NLS)。这导致在不同平台上运行应用程序时，在少数全球化 API 中存在一些行为差异。但是以下方面存在明显的行为差异：区域性和区域性数据、字符串大小写、字符串排序和搜索、排序关键字、字符串规范化、国际化域名 (IDN) 支持、Linux 上的时区显示名称。

因此不单单IndexOf方法有这样的问题，下面这些API都有存在同样的问题：

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（大多数成员）
System.Globalization.CompareInfo（大多数成员）
System.Array.Sort（对字符串数组进行排序时）
System.Collections.Generic.List<T>.Sort()（当列表元素为字符串时）
System.Collections.Generic.SortedDictionary<TKey,TValue>（当键为字符串时）
System.Collections.Generic.SortedList<TKey,TValue>（当键为字符串时）
System.Collections.Generic.SortedSet<T>（当集包含字符串时）

这里面很多方法都是有多个重载方法的，而每个重载方法默认当前文化设置可能并不相同。因此大家在开发的时候一定要注意使用，一不小心肯能就好引起一些奇怪的问题，因此大家尽量自己手动指定当前文化设置。

下表列出一些方法其对应的默认行为。