C# String的本质

字符串（string）实际上就是字符的集合（char[]）。

字符串类型是基元类型，它对应着 System.String。

字符串的类型定义如下：

字符串是一个类型，而不是结构，因此，字符串实例当然是引用类型。

可以通过字符串的默认值为 null 来记忆这点，对字符串的操作伴随着堆上的内存活动。

我们可以看到，字符串继承了IEnumerable<char>，这使得它可以使用 LINQ 查询。

也许你会认为字符串完全可以被设计为结构，原因如下：

• 字符串是密封类，而结构不能被继承，所以没问题。
• 字符串继承了很多接口，而结构也可以继承接口。
• 字符串的字段和属性很少而且都是值类型。
• 字符串的比较仅仅会比较值。
• 字符串做方法参数行为类似值类型。

但是，最终微软将字符串设计为一个密封类(而且具有不变性)，这基于以下原因：

• 字符串的长度可能十分巨大，而一个线程栈只有 1MB 的空间。其他值类型的长度都是确定的。
• 字符串如果被设计为值类型，则方法传入字符串将会拷贝其值而不是引用。如果字符串长度巨大，则性能会显著下降。
• 不变性使得字符串是线程安全的。
• 字符串驻留节省内存，而它只可能借助不可变性来实现。

字符串与普通的引用类型相比

字符串的行为很像值类型：

• 字符串使用双等于号互相比较时，比较的是字符串的值而不是其是否指向同一个引用。这与型的比较不同，却和值类型的比较相同。
• 字符串虽然是引用类型，但如果在某方法中，将字符串传入另一方法，在另一方法内部修改，执行完之后，字符串的值并不会改变，而引用类型无论是按值传递还是引用传递，值都会发生变化。

对第一点来说，字符串的==操作符被重写为比较字符串的值而不是其引用。

作为引用类型，==本来是比较引用的，但此时被重写，这也是字符串看起来像值类型的一个原因。当然，!=操作符也会一并被重写。

IL中创建字符串

在 C# 中，不能使用 new 操作符建立字符串，但可以为字符串直接赋值；也支持传入一个字符集合。

通过 IL 分析，我们可以知道，如果为字符串直接赋值，则创建字符串的指令是 ldstr 如果传入了一个字符集合，则指令是平常的 newobj。代码如下:

// string s = new string("1");
string s = "1";
string t = new string(new char[]{'1', '2', ' 3 ' });

对应的IL代码如下：

我们可以看到在 0007 和最后一行 IL 代码，分别使用了 ldstr 和 newobj 去创建字符串。

ldstr 是 load string 的缩写，用于获得文本常量。这个操作需要在堆上分配空间，并将文本常量转换为对应的 unicode 字符数组。

而 newobj 则是常规的引用类型创建方式，其会调用 string 的构造函数。

字符串的不变性

Immutability 般翻译为不变性，也有翻译为恒等性的。而相对的，泛型的协变和逆变也有不变性（invariant），它们对应的英文不同。

因此，应当在中文层面上将这两个术语加以区分。不过，现在大部分人都将“一经赋值，值就不能被更改”这个现象翻译为不变性。

字符串的不变性指的是字符串一经赋值，其值就不能被更改。当使用代码将字符串变量等于一个新的值时，堆上会出现一个新的字符串，然后，栈上的变量指向该新字符串。

没有任何办法更改原来字符串的值。如下图所示。 

通过 IL 代码可以证明字符串的不变性，代码如下：

static void StringImmunity()
{
    //idstr "1"
    string s = "1";
    //虽然看起来s的值改变了
    //但实际上，是将s指向了一个新的字符串
    //证明即为可以在IL中发现idstr“2”
    s = "2";
    s = s + "3";
    Console.WriteLine(s);
}

通过将上面的代码编译，我们可以查到其对应的 IL 代码：

当然，也可以通过 C# 代码来证明：

static void ProveImmutable()
{
    string a = "1";
    string b = a;
    //true
    Console.WriteLine(ReferenceEquals(a, b));
    b = "2";
    //false
    Console.WriteLine(ReferenceEquals(a, b));
}

通过成员来证明不变性

在 C# 中，字符串类型的属性和字段很少。字段除了若干常量之外还有如下内容：

• 一个 readonly 的 Empty，值为空。
• 私有的 m_stringLength，无法被外界更改。
• 私有的 m_firstChar，无法被外界更改。

而属性则有：

• Chars[Int32]，代表着字符串（字符集合）的成员。
• Length，代表字符串的长度。
• FirstChar，获得字符串第一个字符。

这三个属性都是只读的，代码如下：

public char this[int index] { get; }
public int Length { get; }
internal char FirstChar { get; }

无法直接修改它们的值（假设 s 和 t 都是字符串，则下面两行代码都无法通过编译）：

s.Length = 3;
t[1] = "b";

由于字符串所有非私有的属性和字段都是只读或常量，也没有任何办法（直接修改属性或通过微软提供的方法）修改字符数组的值，字符串的值也就不可能改变了。

对于某些方法（例如 toUpper）来说，虽然调用了它们会导致字符串的值改变，但这也是一个假象。

方法会返回全新的字符串，并将其赋给引用，而不是在原来的字符串上更改，代码如下：

string t = new string(new char[]{'a', 'b', 'c' });
//一个全新的字符串，原字符串不会变化
t.ToUpper();

注意：无论是声明了多少个字符串，变量名只是引用而已。例如上面的 t，它并非字符串本身，字符串的值取决于 t 到底指向哪里。

为什么要这么设计

字符串的不可变性允许在一个字符串上执行各种操作，而不实际地更改字符串，这意味着，多个线程操作字符串不会出现同步问题（因为值无法被改变）。

另外，不可变性结合字符串驻留池可以节省内存。如果字符串是可变的，那么驻留池中多个字符串指向同一块内存，如果改变了其中一个字符串的值，其他指向这个值的字符串也会一起改变。