## 關於 C# `Trim()` 方法修剪空白字元

最近在做後端開發時遇到字串處理的問題，發現從 DB 取出的 Unicode 字元除了空白字元外，還包含一個空白字元，它的編碼是`U+00A0`，即不換行空格(Non-breaking space)。

寫了幾段的簡單程式碼用 `Trim()` 測試，發現這個 `Trim()` 方法不只能移除我們一般常見的空白字元，而是有一組支援被修剪的字元，於是就寫了這篇文章來探討 C# `Trim()` 方法的特性。

### Unicode 空白字元的定義

Unicode 標準定義了許多空白字元，用於排版和格式化文本。這些空白字元包括常見的空格和製表符，以及一些特殊的空白字元，一般而言我們最常看到的是(`U+0020`)，即普通半形空格。

但除此之外也會遇到(`U+00A0`)，即不換行空格(Non-breaking space)，這是一種特殊的空白字元，用於防止文字在該位置換行。
在 Thai (泰文) 與 Myanmar (緬甸文) 語系等部分[南亞語系](https://www.unicode.org/versions/Unicode16.0.0/core-spec/chapter-16/)中，預設輸入空白會用 `U+200B` 這個字元做文字間格，這是他們鍵盤的預設配置。
而這在 HTML 中也是常見的，用` `來表示，至於其他空白字元則有興趣可以翻找 [Unicode 官網](https://home.unicode.org/) ，此處不多贅述。

### C# `Trim()` 方法的定義

在 C# 中，當 `Trim(Char[])` 方法主要用來移除字串開頭與結尾的指定字元，而當沒有參數時，它的主要功能是移除字串開頭和結尾的空白字元。

這些空白字元是符合 Unicode 標準中定義的，即當傳遞給 `Char.IsWhiteSpace` 方法時返回 `true` 的字元[^1][^2]。

### 早期版本的行為差異

在 .NET Framework 3.5 SP1 及更早版本中， `Trim()` 方法使用自行維護的空白字元列表進行修剪，這導致以下結果：

- 會修剪以下字元
- [ZERO WIDTH SPACE (`U+200B`)](https://www.fileformat.info/info/unicode/char/200B/index.htm)
- [ZERO WIDTH NO-BREAK SPACE (`U+FEFF`)](https://www.fileformat.info/info/unicode/char/FEFF/index.htm)
- 不修剪以下三個字元：
- MONGOLIAN VOWEL SEPARATOR (`U+180E`)
- NARROW NO-BREAK SPACE (`U+202F`)
- MEDIUM MATHEMATICAL SPACE (`U+205F`)

### 目前版本 `Trim()` 的行為

自 .NET Framework 4 起， `Trim()` 方法修剪的範圍擴展至所有 Unicode 空白字元，即跟著 Unicode 的標準來定義空白字元，這導致上述提及的 ZERO WIDTH SPACE (`U+200B`)與 ZERO WIDTH NO-BREAK SPACE (`U+FEFF`)不再被修剪。

這是官方英文原文的說法，但實際上這個說法有些瑕疵，其實應該是微軟從Unicode規範中挑自己想拿來用的分類來作為Trim的預設字元集合。

實際定義為：
`Trim()` 方法會移除所有符合 **傳遞給 `Char.IsWhiteSpace` 方法時返回 `true` 的字元**，包含以下四項[^1]：

- UnicodeCategory.SpaceSeparator (Zs)
- UnicodeCategory.LineSeparator (Zl)
- UnicodeCategory.ParagraphSeparator (Zp)
- 其他項目:
- CHARACTER TABULATION (U+0009)
- LINE FEED (U+000A)
- LINE TABULATION (U+000B)
- FORM FEED (U+000C)
- CARRIAGE RETURN (U+000D)
- NEXT LINE (U+0085)

### 結論

使用 `Trim()` 的時候到底需不需要注意上述內容呢？
大多數情況是不需要的，大多數的空白字元就是最常見的`U+00A0`，偶爾可能會跟我一樣遇到`U+00A0`(Non-breaking space)，但這些都可以安心的「Trim 它(?)」。
但如果遇到奇怪的編碼，還是建議去看看有那些字元是不是有被支援，如果沒有，則可能要自行寫一個方法來處理。

[^1]: **IsWhiteSpace(Char)** https://learn.microsoft.com/en-us/dotnet/api/system.char.iswhitespace?view=net-9.0#system-char-iswhitespace(system-char)
[^2]: **Trim()** https://learn.microsoft.com/en-us/dotnet/api/system.string.trim?view=net-9.0#system-string-trim