.NET Discovery 系列之一--string从入门到精通(上)

系列文章导航：

.NET Discovery 系列之一--string从入门到精通(上)

.NET Discovery 系列之二--string从入门到精通(勘误版下)

.NET Discovery 系列之三--深入理解.NET垃圾收集机制(上)

.NET Discovery 系列之四--深入理解.NET垃圾收集机制(下)

.Net Discovery 系列之五--Me JIT(上)

.NET Discovery 系列之六--Me JIT(下)

.NET Discovery 系列之七--深入理解.NET垃圾收集机制(拾贝篇)

　　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，这篇文章分上下两章，共四节，来讲讲关于string的陌生一面。

　　一．恒定的字符串

　　要想比较全面的了解stirng类型，首先要清楚.Net中的值类型与引用类型。在C#中，以下数据类型为值类型：

　　bool、byte、char、enum、sbyte以及数字类型(包括可空类型)

　　以下数据类型为引用类型：

　　class、interface、delegate、object、stirng

　　看到了吗，我们要讨论的stirng赫然其中。被声明为string型变量存放于堆中，是一个彻头彻尾的引用类型。

　　那么许多同学就会对如下代码产生有疑问了，难道string类型也会“牵一发而动全身”吗？让我们先来看看以下三行代码有何玄机：

string a = "str_1";
string b = a;
a = "str_2";

　　不要说无聊，这一点时必须讲清楚的！在以上代码中，第3行的“=”有一个隐藏的秘密：它的作用我们可以理解为新建，而不是对变量“a”的修改。以下是IL代码，可以说明这一点：

代码

.maxstack  1
.locals init ([0] string a,  [1] string b)
IL_0000:  nop
IL_0001:  ldstr      "str_1"
IL_0006:  stloc.0
IL_0007:  ldloc.0
IL_0008:  stloc.1
IL_0009:  ldstr      "str_2"
IL_000e:  stloc.0  //以上2行对应 C#代码 a = "str_2";
IL_0015:  ret

　　可以看出IL代码的第1、6行，由ldstr指令创建字符串"str_1"，并将其关联到了变量“a”中；7、8行直接将堆栈顶部的值弹出并关联到变量“b”中；9、10由ldstr创建字符串"str_2"，关联在变量“a”中（并没有像我们想象的那样去修改变量a的旧值，而是产生了新的字符串）；

　　在C#中，如果用new关键字实例化一个类，对应是由IL指令newobj来完成的；而创建一个字符串，则由ldstr指令完成，看到ldstr指令，我们即可认为，IL希望创建一个新的字符串 。（注意：是IL希望创建一个字符串，而最终是否创建，还要在运行时由字符串的驻留机制决定，这一点下面的章节会有介绍。）

　　所以，第三行C#代码(a = "str_2";)的样子看起来是在修改变量a的旧值"str_1"，但实际上是创建了一个新的字符串"str_2"，然后将变量a的指针指向了"str_2"的内存地址，而"str_1"依然在内存中没有受到任何影响，所以变量b的值没有任何改变---这就是string的恒定性，同学们，一定要牢记这一点，在.Net中，string类型的对象一旦创建即不可修改！包括ToUpper、SubString、Trim等操作都会在内存中产生新的字符串。

　　本节重点回顾：由于stirng类型的恒定性，让同学友们经常误解，string虽属引用类型但经常表现出值的特性，这是由于不了解string的恒定性造成的，根本不是“值的特性”。例如：

string a = "str_1";
a = "str_2";

　　这样会在内存中创建"str_1"和"str_2"两个字符串，但只有"str_2"在被使用，"str_1"不会被修改或消失，这样就浪费了内存资源，这也是为什么在做大量字符串操作时，推荐使用StringBuilder的原因。

　　二．.NET中字符串的驻留（重要）

　　在第一节中，我们讲了字符串的恒定性，该特性又为我们引出了字符串的另一个重要特性：字符串驻留。

　　从某些方面讲，正是字符串的恒定性，才造就了字符串的驻留机制，也为字符串的线程同步工作大开方便之门（同一个字符串对象可以在不同的应用程序域中被访问，所以驻留的字符串是进程级的，垃圾回收不能释放这些字符串对象，只有进程结束这些对象才被释放）。

　　我们用以下2行代码来说明字符串的驻留现象：

string a = "str_1";
string b = "str_1";

　　请各位同学友思考一下，这2行代码会在内存中产生了几个string对象？你可能会认为产生2个：由于声明了2个变量，程序第1行会在内存中产生"str_1"供变量a所引用；第2行会产生新的字符串"str_1"供变量b所引用，然而真的是这样吗？我们用ReferenceEquals这个方法来看一下变量a与b的内存引用地址：

string a = "str_1";
string b = "str_1";
Response.Write(ReferenceEquals(a,b));   //比较a与b是否来自同一内存引用
输出：True

　　哈，各位同学看到了吗，我们用ReferenceEquals方法比较a与b，虽然我们声明了2个变量，但它们竟然来自同一内存地址！这说明string b = "str_1";根本没有在内存中产生新的字符串。

　　这是因为，在.Net中处理字符串时，有一个很重要的机制，叫做字符串驻留机制。由于string是编程中用到的频率较高的一种类型，CLR对相同的字符串，只分配一次内存。CLR内部维护着一块特殊的数据结构，我们叫它字符串池，可以把它理解成是一个HashTable，这个HashTable维护着程序中用到的一部分字符串，HashTable的Key是字符串的值，而Value则是字符串的内存地址。一般情况下，程序中如果创建一个string类型的变量，CLR会首先在HashTable遍历具有相同Hash Code的字符串，如果找到，则直接把该字符串的地址返回给相应的变量，如果没有才会在内存中新建一个字符串对象。

　　所以，这2行代码只在内存中产生了1个string对象，变量b与a共享了内存中的"str_1"。

　　好了，结合第一节所讲到的字符串恒定性与第二节所讲到的驻留机制，来理解一下下面4行代码吧：

string a = "str_1"; //声明变量a，将变量a的指针指向内存中新产生的"str_1"的地址
a = "str_2";  //CLR先会在字符串池中遍历"str_2"是否已存在，如果没有，则新建"str_2"，并修改变量a的指针，指向"str_2"内存地址，"str_1"保持不变。（字符串恒定）
string c = "str_2"; //CLR先会在字符串池中遍历"str_2"是否已存在，如果存在，则直接将变量c的指针指向"str_2"的地址。（字符串驻留）

　　那么如果是动态创建字符串呢？字符串还会不会有驻留现象呢？

　　我们分3种情况讲解动态创建字符串时，驻留机制的表现：

　　字符串常量连接

string a = “str_1” + “str_2”;
string b = “str_1str_2”;
Response.Write(ReferenceEquals(a,b));   //比较a与b是否来自同一内存引用
输出 ：True

　　IL代码说明问题：

.maxstack  1
.locals init ([0] string a,[1] string b)
IL_0000:  nop
IL_0001:  ldstr      “str_1str_2”
IL_0006:  stloc.0
IL_0007:  ldstr      “str_1str_2”
IL_000c:  stloc.1
IL_000d:  ret

　　其中第1、6行对应c#代码string a = “str_1” + “str_2”;

　　第7、8对应c# string b = “str_1str_2”;

　　可以看出，字符串常量连接时，程序在被编译为IL代码前,编译器已经计算出了字符串常量连接的结果，ldstr指令直接处理编译器计算后的字符串值，所以这种情况字符串驻留机制有效！

　　字符串变量连接

string a = “str_1”;
string b = a + “str_2”;
string c = “str_1str_2”;
Response.Write(ReferenceEquals(b,c));
输出：False

　　IL代码说明问题：

.maxstack  2
.locals init ([0] string a,[1] string b,[2] string c)
IL_0000:  nop
IL_0001:  ldstr      “str_1”
IL_0006:  stloc.0
IL_0007:  ldloc.0
IL_0008:  ldstr      “str_2”
IL_000d:  call       string [mscorlib]System.String::Concat(string,string)
IL_0012:  stloc.1
IL_0013:  ldstr      “str_1str_2”
IL_0018:  stloc.2
IL_0019:  ret

　　其中第1、6行对应string a = “str_1”;

　　第7、8、9行对应string b = a + “str_2”;，IL用的是Concat方法连接字符串

　　第13、18行对应string c = “str_1str_2”;

　　可以看出，字符串变量连接时，IL使用Concat方法，在运行时生成最终的连接结果，所以这种情况字符串驻留机制无效！

　　显式实例化

string a = "a";
string b = new string('a',1);
Response.Write(ReferenceEquals(a, b));
//输出 False

　　IL代码：

.maxstack  3
.locals init ([0] string a,[1] string b)
IL_0000:  nop
IL_0001:  ldstr      "a"
IL_0006:  stloc.0
IL_0007:  ldc.i4.s   97
IL_0009:  ldc.i4.1
IL_000a:  newobj instance void [mscorlib]System.String::.ctor(char,int32)
IL_000f:  stloc.1
IL_0010:  ret

　　这种情况比较好理解，IL使用newobj来实例化一个字符串对象，驻留机制无效。从string b = new string('a',1);这行代码我们可以看出，其实string类型实际上是由char[]实现的，一个string的诞生绝不像我们想想的那样简单，要由栈、堆同时配合，才会有一个string的诞生。这一点在第四节会有介绍。

　　当然，当字符串驻留机制无效时，我们可以很简便的使用string.Intern方法将其手动驻留至字符串池中，例如以下代码：

string a = "a";
string b = new string('a',1);　　　　
Response.Write(ReferenceEquals(a, string.Intern(b)));
//输出：True  

　　程序返回Ture，说明变量"a"与"b"来自同一内存地址。

　　好了，下面两节将通过实例为大家展示string的内部秘密，大家可以通过它测试一下自己对string的了解程度，敬请期待！