从 C# 中的字节数组中删除尾随空值

Posted 2023-04-13

【中文标题】从 C# 中的字节数组中删除尾随空值

【英文标题】：Removing trailing nulls from byte array in C#

【发布时间】：2010-09-19 09:48:44

【问题描述】：

好的，我正在将 dat 文件读入字节数组。出于某种原因，生成这些文件的人在文件末尾放置了大约半兆的无用空字节。有谁知道快速修剪这些的方法吗？

最初的想法是从数组的末尾开始并向后迭代，直到找到除 null 之外的其他内容，然后将所有内容复制到该点，但我想知道是否没有更好的方法。

回答一些问题： 您确定 0 字节肯定在文件中，而不是文件读取代码中存在错误吗？是的，我很确定。

你能确定修剪所有尾随的 0 吗？是的。

文件的其余部分可以有任何 0 吗？是的，其他地方可以有0，所以，不，我不能从头开始，在第一个0停止。

【问题讨论】：

尾随的空值可能来自将整个缓冲区写入文件，而不仅仅是缓冲区的已使用部分。我只是使用 MemoryStream.GetBuffer() 而不是 ToArray()。前者返回整个缓冲区，而后者返回一个仅包含缓冲区已使用部分的数组。 docs.microsoft.com/en-us/dotnet/api/…

@moreurgentjest 很有趣。对我有很大帮助有点晚了，但绝对是一个好点

【参考方案1】：

我同意乔恩的观点。关键是您必须“触摸”从最后一个字节到第一个非零字节的每个字节。像这样的：

byte[] foo;
// populate foo
int i = foo.Length - 1;
while(foo[i] == 0)
    --i;
// now foo[i] is the last non-zero byte
byte[] bar = new byte[i+1];
Array.Copy(foo, bar, i+1);

我很确定这与您能够做到的一样高效。

【讨论】：

仅当您必须复制数据时:) 另一种选择是将其视为更广泛类型的数组，例如整数或长。这可能需要不安全的代码，如果数组的末尾有奇数字节（续）

但在“查找”部分可能会更有效。我当然不会开始尝试，直到我证明这是瓶颈:)

您可能希望在 while 中添加一个最小检查，或者如果数组只有 0 个字节，您最终会尝试读取索引 -1。

【参考方案2】：

鉴于现在回答的额外问题，听起来您从根本上做对了。特别是，您必须从最后一个 0 开始触摸文件的每个字节，以检查它是否只有 0。

现在，您是否必须复制所有内容取决于您当时对数据的处理方式。

您或许可以记住索引并将其与数据或文件名一起保存。 您可以将数据复制到新的字节数组中 如果你想“修复”文件，你可以调用FileStream.SetLength来截断文件

“您必须读取截断点和文件末尾之间的每个字节”是关键部分。

【参考方案3】：

@Factor 神秘主义者，

我认为有一种最短的方法：

var data = new byte[]  0x01, 0x02, 0x00, 0x03, 0x04, 0x00, 0x00, 0x00, 0x00 ;
var new_data = data.TakeWhile((v, index) => data.Skip(index).Any(w => w != 0x00)).ToArray();

【讨论】：

有趣。有没有人有任何基准来看看这与“原始”方法相比如何？不过，这不是我会使用 LINQ 的东西。

刚刚针对@Coderer 的解决方案进行了测试，速度大约慢了 9 倍

【参考方案4】：

这个怎么样：

[Test]
public void Test()

   var chars = new [] 'a', 'b', '\0', 'c', '\0', '\0';

   File.WriteAllBytes("test.dat", Encoding.ASCII.GetBytes(chars));

   var content = File.ReadAllText("test.dat");

   Assert.AreEqual(6, content.Length); // includes the null bytes at the end

   content = content.Trim('\0');

   Assert.AreEqual(4, content.Length); // no more null bytes at the end
                                       // but still has the one in the middle

【讨论】：

将其视为文本似乎有风险 - 而且您刚刚将文件 IO 增加了三倍。

哦，CPU等也显着增加（编码/解码需要时间，即使是ASCII）

编码只是为了测试......编写示例文件。不过，将文件视为文本当然可能是个问题。

这甚至不是一个 byte 数组。这是一个 char 数组。您意识到您可以从中创建一个字符串，然后在不写入任何文件的情况下将空字符剪掉，对吧？ Char[] trimmed = new String(chars).Trim('\0').ToCharArray(); 而且这种编码会弄乱值大于 0x80 的字符，因此大小甚至可能都不匹配。

【参考方案5】：

假设 0=null，这可能是您最好的选择...作为一个小调整，您可能希望在最终复制有用数据时使用 Buffer.BlockCopy..

【参考方案6】：

测试一下：

    private byte[] trimByte(byte[] input)
    
        if (input.Length > 1)
        
            int byteCounter = input.Length - 1;
            while (input[byteCounter] == 0x00)
            
                byteCounter--;
            
            byte[] rv = new byte[(byteCounter + 1)];
            for (int byteCounter1 = 0; byteCounter1 < (byteCounter + 1); byteCounter1++)
            
                rv[byteCounter1] = input[byteCounter1];
            
            return rv;
        

【讨论】：

嗯，有 Array.Copy() 用于此类批量复制操作，所以这可能更有效，但对于其余部分，您有正确的想法。

【参考方案7】：

总有一个 LINQ 答案

byte[] data = new byte[]  0x01, 0x02, 0x00, 0x03, 0x04, 0x00, 0x00, 0x00, 0x00 ;
bool data_found = false;
byte[] new_data = data.Reverse().SkipWhile(point =>

  if (data_found) return false;
  if (point == 0x00) return true; else  data_found = true; return false; 
).Reverse().ToArray();

【讨论】：

我在单独的答案中发布了一个较短的 LINQ 替代方案。希望大家喜欢。

如果这是一个大缓冲区，那么简单地向后使用索引器会更有效率。 Reverse() 是一种缓冲操作，有性能开销。

【参考方案8】：

您可以只计算数组末尾的零个数，然后在以后迭代数组时使用它而不是 .Length。你可以随心所欲地封装它。要点是您实际上并不需要将其复制到新结构中。如果它们很大，那可能是值得的。

【参考方案9】：

如果文件中的空字节可以是有效值，你知道文件中的最后一个字节不能为空吗？如果是这样，则向后迭代并查找第一个非空条目可能是最好的，如果不是，则无法判断文件的实际结尾在哪里。

如果您对数据格式了解更多，例如不能有长于两个字节的空字节序列（或一些类似的约束）。然后，您实际上可以对“过渡点”进行二进制搜索。这应该比线性搜索快得多（假设您可以读取整个文件）。

基本思想（使用我之前关于没有连续空字节的假设）是：

var data = (byte array of file data...);
var index = data.length / 2;
var jmpsize = data.length/2;
while(true)

    jmpsize /= 2;//integer division
    if( jmpsize == 0) break;
    byte b1 = data[index];
    byte b2 = data[index + 1];
    if(b1 == 0 && b2 == 0) //too close to the end, go left
        index -=jmpsize;
    else
        index += jmpsize;


if(index == data.length - 1) return data.length;
byte b1 = data[index];
byte b2 = data[index + 1];
if(b2 == 0)

    if(b1 == 0) return index;
    else return index + 1;

else return index + 2;

【参考方案10】：

当文件很大（比我的 RAM 大得多）时，我用它来删除尾随的空值：

static void RemoveTrailingNulls(string inputFilename, string outputFilename)

    int bufferSize = 100 * 1024 * 1024;
    long totalTrailingNulls = 0;
    byte[] emptyArray = new byte[bufferSize];

    using (var inputFile = File.OpenRead(inputFilename))
    using (var inputFileReversed = new ReverseStream(inputFile))
    
        var buffer = new byte[bufferSize];

        while (true)
        
            var start = DateTime.Now;

            var bytesRead = inputFileReversed.Read(buffer, 0, buffer.Length);

            if (bytesRead == emptyArray.Length && Enumerable.SequenceEqual(emptyArray, buffer))
            
                totalTrailingNulls += buffer.Length;
            
            else
            
                var nulls = buffer.Take(bytesRead).TakeWhile(b => b == 0).Count();
                totalTrailingNulls += nulls;

                if (nulls < bytesRead)
                
                    //found the last non-null byte
                    break;
                
            

            var duration = DateTime.Now - start;
            var mbPerSec = (bytesRead / (1024 * 1024D)) / duration.TotalSeconds;
            Console.WriteLine($"mbPerSec:N2 MB/seconds");
        

        var lastNonNull = inputFile.Length - totalTrailingNulls;

        using (var outputFile = File.Open(outputFilename, FileMode.Create, FileAccess.Write))
        
            inputFile.Seek(0, SeekOrigin.Begin);
            inputFile.CopyTo(outputFile, lastNonNull, bufferSize);
        
    

它使用 ReverseStream 类，可以在 here 找到。

还有这个扩展方法：

public static class Extensions

    public static long CopyTo(this Stream input, Stream output, long count, int bufferSize)
    
        byte[] buffer = new byte[bufferSize];
        long totalRead = 0;
        while (true)
        
            if (count == 0) break;

            int read = input.Read(buffer, 0, (int)Math.Min(bufferSize, count));

            if (read == 0) break;
            totalRead += read;

            output.Write(buffer, 0, read);
            count -= read;
        

        return totalRead;
    

【参考方案11】：

在我的情况下，LINQ 方法从未完成 ^))) 使用字节数组很慢！

各位，你们为什么不用 Array.Copy() 方法呢？

    /// <summary>
    /// Gets array of bytes from memory stream.
    /// </summary>
    /// <param name="stream">Memory stream.</param>
    public static byte[] GetAllBytes(this MemoryStream stream)
    
        byte[] result = new byte[stream.Length];
        Array.Copy(stream.GetBuffer(), result, stream.Length);

        return result;
    

【讨论】：

stream.GetArray() 在这种情况下会更好，因为它不会返回整个内存缓冲区，只返回已写入缓冲区的数据。

...应该是 stream.ToArray()。我的错。但没有回答问题。