linq distinct 不够用了！

问题引出：在实际中遇到一个问题，要进行集合去重，集合内存储的是引用类型，需要根据id进行去重。这个时候linq 的distinct 就不够用了，对于引用类型，它直接比较地址。测试数据如下：

?

1 2 3 4 5 6 7 8 9 10 11 12

class Person {     public int ID { get; set; }     public string Name { get; set; } } List<Person> list = new List<Person>() {      new Person(){ID=1,Name="name1"},      new Person(){ID=1,Name="name1"},      new Person(){ID=2,Name="name2"},      new Person(){ID=3,Name="name3"}                };

 

我们需要根据Person 的 ID 进行去重。当然使用linq Distinct 不满足，还是有办法实现的，通过GroupBy先分一下组，再取第一个数据即可。例如：

?

1	list.GroupBy(x => x.ID).Select(x => x.FirstOrDefault()).ToList()

通常通过GroupBy去实现也是可以的，毕竟在内存操作还是很快的。但这里我们用别的方式去实现，并且找到最好的实现方式。

 

一、通过IEqualityComparer接口

IEnumerable<T> 的扩展方法 Distinct 定义如下：

?

1 2	public static IEnumerable<TSource> Distinct<TSource>(this IEnumerable<TSource> source); public static IEnumerable<TSource> Distinct<TSource>(this IEnumerable<TSource> source, IEqualityComparer<TSource> comparer);

可以看到，Distinct方法有一个参数为 IEqualityComparer<T> 的重载。该接口的定义如下：

?

1 2 3 4 5 6

// 类型参数 T: 要比较的对象的类型。 public interface IEqualityComparer<T> {     bool Equals(T x, T y);     int GetHashCode(T obj); }

通过实现这个接口我们就可以实现自己的比较器，定义自己的比较规则了。

这里有一个问题，IEqualityComparer<T> 的 T 是要比较的对象的类型，在这里就是 Person，那这里如何去获得 Person 的属性 id呢？或者说，对于任何类型，我如何知道要比较的是哪个属性？答案就是：委托。通过委托，要比较什么属性由外部指定。这也是linq 扩展方法的设计，参数都是委托类型的，也就是规则由外部定义，内部只负责调用。ok，我们看最后实现的代码：

?

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26

//通过继承EqualityComparer类也是一样的。 class CustomerEqualityComparer<T,V> : IEqualityComparer<T> {     private IEqualityComparer<V> comparer;     private Func<T, V> selector;     public CustomerEqualityComparer(Func<T, V> selector)         :this(selector,EqualityComparer<V>.Default)     {                }       public CustomerEqualityComparer(Func<T, V> selector, IEqualityComparer<V> comparer)     {         this.comparer = comparer;         this.selector = selector;     }       public bool Equals(T x, T y)     {         return this.comparer.Equals(this.selector(x), this.selector(y));     }       public int GetHashCode(T obj)     {         return this.comparer.GetHashCode(this.selector(obj));     } }

 

（补充1）之前没有把扩展方法贴出来，而且看到有朋友提到比较字符串忽略大小写的问题(其实上面有两个构造函数就可以解决这个问题)。这里扩展方法可以写为：

?

1 2 3 4 5 6 7 8 9 10 11 12

static class EnumerableExtention {     public static IEnumerable<TSource> Distinct<TSource,TKey>(this IEnumerable<TSource> source, Func<TSource,TKey> selector)     {         return source.Distinct(new CustomerEqualityComparer<TSource,TKey>(selector));     }     //4.0以上最后一个参数可以写成默认参数 EqualityComparer<T>.Default，两个扩展Distinct可以合并为一个。     public static IEnumerable<TSource> Distinct<TSource, TKey>(this IEnumerable<TSource> source, Func<TSource, TKey> selector, IEqualityComparer<TKey> comparer)     {         return source.Distinct(new CustomerEqualityComparer<TSource, TKey>(selector,comparer));     } }

例如，要根据Person的Name忽略大小写比较，就可以写成：

?

1	list.Distinct(x => x.Name,StringComparer.CurrentCultureIgnoreCase).ToList(); //StringComparer实现了IEqualityComaparer<string> 接口

 

二、通过哈希表。第一种做法的缺点是不仅要定义新的扩展方法，还要定义一个新类。能不能只有一个扩展方法就搞定？可以，通过Dictionary就可以搞定(有HashSet就用HashSet)。实现方式如下：

?

1 2 3 4 5 6 7 8 9 10 11

public static IEnumerable<TSource> Distinct<TSource,TKey>(this IEnumerable<TSource> source, Func<TSource,TKey> selector) {                Dictionary<TKey, TSource> dic = new Dictionary<TKey, TSource>();     foreach (var s in source)     {         TKey key = selector(s);         if (!dic.ContainsKey(key))             dic.Add(key, s);     }     return dic.Select(x => x.Value); }

 

三、重写object方法。能不能连扩展方法也不要了？可以。我们知道 object 是所有类型的基类，其中有两个虚方法，Equals、GetHashCode，默认情况下，.net 就是通过这两个方法进行对象间的比较的，那么linq 无参的Distinct 是不是也是根据这两个方法来进行判断的？我们在Person里 override 这两个方法，并实现自己的比较规则。打上断点调试，发现在执行Distinct时，是会进入到这两个方法的。代码如下：

?

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16

class Person {     public int ID { get; set; }     public string Name { get; set; }       public override bool Equals(object obj)     {         Person p = obj as Person;         return this.ID.Equals(p.ID);     }       public override int GetHashCode()     {         return this.ID.GetHashCode();     } }

在我的需求里，是根据id去重的，所以第三种方式提供了最优雅的实现。如果是其它情况，用前面的方法更通用。