从字符串中修剪多余空格的理想方法是什么？

Question

我正在处理需要 用单个空格替换多个空格的字符串 。看起来其中大多数只是人为错误，但我对处理此问题的理想方法感到好奇 - 最好是从&str到 的分配最少String。

到目前为止，这是我的方法如下：

const SPACE: &str = " ";
const TWO_SPACES: &str = "  ";

/// Replace multiple spaces with a single space
pub fn trim_whitespace(s: &str) -> String {
    let mut new_str: String = s.trim().to_owned();
    while new_str.contains(TWO_SPACES) {
        new_str = new_str.replace(TWO_SPACES, SPACE);
    }
    new_str
}

let result = trim_whitespace("Hello     world! ");
assert_eq!(result, "Hello world!");

---

编辑（10/2022）：我有Python背景，做上面这样的事情是非常惯用的。例如， Python 中最快的版本（用单个空格替换多个空格）似乎是这样的：

const SPACE: &str = " ";
const TWO_SPACES: &str = "  ";

/// Replace multiple spaces with a single space
pub fn trim_whitespace(s: &str) -> String {
    let mut new_str: String = s.trim().to_owned();
    while new_str.contains(TWO_SPACES) {
        new_str = new_str.replace(TWO_SPACES, SPACE);
    }
    new_str
}

let result = trim_whitespace("Hello     world! ");
assert_eq!(result, "Hello world!");

Answer 1

您可以使用split(' ')，过滤掉空条目，然后按空格重新加入：

s.trim()
    .split(' ')
    .filter(|s| !s.is_empty())
    .collect::<Vec<_>>()
    .join(" ")

// Or, using itertools:
use itertools::Itertools;
s.trim().split(' ').filter(|s| !s.is_empty()).join(" ")

另一种可能性是使用String::retain()和删除连续的空格。它也应该更快，因为它只为修剪后的字符串分配一次：

pub fn trim_whitespace(s: &str) -> String {
    let mut new_str = s.trim().to_owned();
    let mut prev = ' '; // The initial value doesn't really matter
    new_str.retain(|ch| {
        let result = ch != ' ' || prev != ' ';
        prev = ch;
        result
    });
    new_str
}

编辑：我很好奇，所以我用字符串对这里建议的所有版本进行了基准测试" a bb cc ddd "（当然，不同的字符串将具有不同的性能特征）。基准代码在这里（需要criterion和itertools）。

结果：

benches/trim_whitespace_replace
                        time:   [846.02 ns 872.71 ns 901.90 ns]
benches/trim_whitespace_retain
                        time:   [146.79 ns 153.07 ns 159.91 ns]
benches/trim_whitespace_split_space
                        time:   [268.61 ns 277.44 ns 287.55 ns]
benches/trim_whitespace_split_space_itertools
                        time:   [392.82 ns 406.92 ns 423.88 ns]
benches/trim_whitespace_split_whitespace
                        time:   [236.38 ns 244.51 ns 254.00 ns]
benches/trim_whitespace_split_whitespace_itertools
                        time:   [395.82 ns 413.59 ns 433.26 ns]
benches/trim_whitespace_split_whitespace_only_one_string
                        time:   [146.25 ns 152.73 ns 159.94 ns]

正如预期的那样，您使用的版本replace()是最慢的。我使用的版本retain()和 @prog-fh 的更快版本是最快的（我预计他的版本会更快，因为它需要复制更少，但显然差异非常小，现代 CPU 复制小内存块的速度非常快。也许在较大的字符串中这将会出现）。有点令人惊讶的是，使用 itertools 的版本比仅使用标准库thenjoin()的版本慢，尽管不需要首先收集到向量中。我可以解释一下 - 这个版本在编译器上使用动态分派可能无法消除（但我不确定，需要检查程序集来验证），更糟糕的是，他们实际上可能需要分配更多，因为他们不提前不知道需要多少空间，他们还需要插入分隔符。collect()join()Display