Melhor maneira de dividir a string em linhas

Como você divide uma sequência de linhas múltiplas em linhas?

Eu sei assim

var result = input.Split("\n\r".ToCharArray(), StringSplitOptions.RemoveEmptyEntries);

parece um pouco feio e perde linhas vazias. Existe uma solução melhor?

• Se parecer feio, basta remover a ToCharArraychamada desnecessária .

• Se você deseja dividir por um \nou por \r, você tem duas opções:

  • Use uma matriz literal - mas isso fornecerá linhas vazias para finais de linha no estilo do Windows \r\n:

    var result = text.Split(new [] { '\r', '\n' });

  • Use uma expressão regular, conforme indicado por Bart:

    var result = Regex.Split(text, "\r\n|\r|\n");

• Se você deseja preservar linhas vazias, por que você diz explicitamente ao C # para jogá-las fora? ( StringSplitOptionsparâmetro) - use em seu StringSplitOptions.Nonelugar.

using (StringReader sr = new StringReader(text)) {
    string line;
    while ((line = sr.ReadLine()) != null) {
        // do something
    }
}

Atualização: Veja aqui uma solução alternativa / assíncrona.

Isso funciona muito bem e é mais rápido que o Regex:

input.Split(new[] {"\r\n", "\r", "\n"}, StringSplitOptions.None)

É importante ter o "\r\n"primeiro na matriz para que seja considerado como uma quebra de linha. O acima fornece os mesmos resultados que qualquer uma dessas soluções Regex:

Regex.Split(input, "\r\n|\r|\n")

Regex.Split(input, "\r?\n|\r")

Só que o Regex é 10 vezes mais lento. Aqui está o meu teste:

Action<Action> measure = (Action func) => {
    var start = DateTime.Now;
    for (int i = 0; i < 100000; i++) {
        func();
    }
    var duration = DateTime.Now - start;
    Console.WriteLine(duration);
};

var input = "";
for (int i = 0; i < 100; i++)
{
    input += "1 \r2\r\n3\n4\n\r5 \r\n\r\n 6\r7\r 8\r\n";
}

measure(() =>
    input.Split(new[] {"\r\n", "\r", "\n"}, StringSplitOptions.None)
);

measure(() =>
    Regex.Split(input, "\r\n|\r|\n")
);

measure(() =>
    Regex.Split(input, "\r?\n|\r")
);

Resultado:

00: 00: 03.8527616

00: 00: 31.8017726

00: 00: 32.5557128

e aqui está o método de extensão:

public static class StringExtensionMethods
{
    public static IEnumerable<string> GetLines(this string str, bool removeEmptyLines = false)
    {
        return str.Split(new[] { "\r\n", "\r", "\n" },
            removeEmptyLines ? StringSplitOptions.RemoveEmptyEntries : StringSplitOptions.None);
    }
}

Uso:

input.GetLines()      // keeps empty lines

input.GetLines(true)  // removes empty lines

Você pode usar o Regex.Split:

string[] tokens = Regex.Split(input, @"\r?\n|\r");

Editar: adicionado |\rà conta de terminadores de linha Mac (mais antigos).

Se você deseja manter linhas vazias, remova as StringSplitOptions.

var result = input.Split(System.Environment.NewLine.ToCharArray());

Eu tive essa outra resposta, mas essa, com base na resposta de Jack , é significativamente mais rápida, pode ser preferida, pois funciona de forma assíncrona, embora um pouco mais lenta.

public static class StringExtensionMethods
{
    public static IEnumerable<string> GetLines(this string str, bool removeEmptyLines = false)
    {
        using (var sr = new StringReader(str))
        {
            string line;
            while ((line = sr.ReadLine()) != null)
            {
                if (removeEmptyLines && String.IsNullOrWhiteSpace(line))
                {
                    continue;
                }
                yield return line;
            }
        }
    }
}

Uso:

input.GetLines()      // keeps empty lines

input.GetLines(true)  // removes empty lines

Teste:

Action<Action> measure = (Action func) =>
{
    var start = DateTime.Now;
    for (int i = 0; i < 100000; i++)
    {
        func();
    }
    var duration = DateTime.Now - start;
    Console.WriteLine(duration);
};

var input = "";
for (int i = 0; i < 100; i++)
{
    input += "1 \r2\r\n3\n4\n\r5 \r\n\r\n 6\r7\r 8\r\n";
}

measure(() =>
    input.Split(new[] { "\r\n", "\r", "\n" }, StringSplitOptions.None)
);

measure(() =>
    input.GetLines()
);

measure(() =>
    input.GetLines().ToList()
);

Resultado:

00: 00: 03.9603894

00: 00: 00.0029996

00: 00: 04.8221971

string[] lines = input.Split(new[] { '\r', '\n' }, StringSplitOptions.RemoveEmptyEntries);

Ligeiramente torcido, mas um bloco iterador para fazer isso:

public static IEnumerable<string> Lines(this string Text)
{
    int cIndex = 0;
    int nIndex;
    while ((nIndex = Text.IndexOf(Environment.NewLine, cIndex + 1)) != -1)
    {
        int sIndex = (cIndex == 0 ? 0 : cIndex + 1);
        yield return Text.Substring(sIndex, nIndex - sIndex);
        cIndex = nIndex;
    }
    yield return Text.Substring(cIndex + 1);
}

Você pode ligar para:

var result = input.Lines().ToArray();

    private string[] GetLines(string text)
    {

        List<string> lines = new List<string>();
        using (MemoryStream ms = new MemoryStream())
        {
            StreamWriter sw = new StreamWriter(ms);
            sw.Write(text);
            sw.Flush();

            ms.Position = 0;

            string line;

            using (StreamReader sr = new StreamReader(ms))
            {
                while ((line = sr.ReadLine()) != null)
                {
                    lines.Add(line);
                }
            }
            sw.Close();
        }



        return lines.ToArray();
    }

É complicado lidar adequadamente com terminações de linhas mistas . Como sabemos, os personagens linha de terminação pode ser "Line Feed" (ASCII 10, \n, \x0A, \u000A), "Return" (ASCII 13, \r, \x0D, \u000D), ou alguma combinação deles. Voltando ao DOS, o Windows usa a sequência de dois caracteres CR-LF \u000D\u000A, portanto, essa combinação deve emitir apenas uma única linha. O Unix usa um único \u000AMacs e muito antigos usam um único \u000Dcaractere. A maneira padrão de tratar misturas arbitrárias desses caracteres em um único arquivo de texto é a seguinte:

• cada caractere CR ou LF deve pular para a próxima linha, EXCETO ...
• ... se um CR é imediatamente seguido por LF ( \u000D\u000A), esses dois juntos pulam apenas uma linha.
• String.Empty é a única entrada que não retorna linhas (qualquer caractere implica pelo menos uma linha)
• A última linha deve ser retornada, mesmo que não tenha CR nem LF.

A regra anterior descreve o comportamento de StringReader.ReadLine e funções relacionadas, e a função mostrada abaixo produz resultados idênticos. É uma função eficiente de quebra de linha de C # que implementa obedientemente essas diretrizes para manipular corretamente qualquer sequência ou combinação arbitrária de CR / LF. As linhas enumeradas não contêm caracteres CR / LF. Linhas vazias são preservadas e retornadas como String.Empty.

/// <summary>
/// Enumerates the text lines from the string.
///   ⁃ Mixed CR-LF scenarios are handled correctly
///   ⁃ String.Empty is returned for each empty line
///   ⁃ No returned string ever contains CR or LF
/// </summary>
public static IEnumerable<String> Lines(this String s)
{
    int j = 0, c, i;
    char ch;
    if ((c = s.Length) > 0)
        do
        {
            for (i = j; (ch = s[j]) != '\r' && ch != '\n' && ++j < c;)
                ;

            yield return s.Substring(i, j - i);
        }
        while (++j < c && (ch != '\r' || s[j] != '\n' || ++j < c));
}

Nota: Se você não se importa com a sobrecarga de criar uma StringReaderinstância em cada chamada, pode usar o seguinte código C # 7 . Como observado, embora o exemplo acima possa ser um pouco mais eficiente, ambas as funções produzem exatamente os mesmos resultados.

public static IEnumerable<String> Lines(this String s)
{
    using (var tr = new StringReader(s))
        while (tr.ReadLine() is String L)
            yield return L;
}