C#中,要截取指定字節數的字符串時,如果字符串中沒有漢字,則使用substring可以完成,但如果含有漢字,則substring會將兩個字節的漢字當一個字節處理,導致實際得到的結果不是期望的結果。
爲了解決這個問題,我們可以藉助UCS2編碼來完成。
UCS2編碼中,每個字符都是由兩個字節組成,其組成規則是:
對於一個英文或數字字符,第一個字節是相應的ASCII,第二個字節是0,如a的UCS2編碼是97 0;
對於一個漢字,兩個字節都不爲0
由組成規則我們可以得到這麼一個結論:我們可以根據UCS2編碼中的第二個字節來判斷一個字符時漢字字符還是英文(或數字)
具體實現如下:
private int GetBytesOfString(string str)
{//獲取字符串的字節數
byte[] bytes = System.Text.Encoding.Unicode.GetBytes(str);
int n = 0;
for (int i = 0; i < bytes.GetLength(0); i++)
{
// 偶數位置,如0、2、4等,爲UCS2編碼中兩個字節的第一個字節
if (i % 2 == 0)
{
n++; // 在UCS2第一個字節時n加1
}
else
{
// 當UCS2編碼的第二個字節大於0時,該UCS2字符爲漢字,一個漢字算兩個字節
if (bytes[i] > 0)
{
n++;
}
}
}
return n;
}
private string GetSubstringByLength(string str, ref int len)
{//截取字符串指定字節數的內容,並返回實際截取的字節數
byte[] bytes = System.Text.Encoding.Unicode.GetBytes(str);
int n = 0; // 表示當前的字節數
int i = 0; // 要截取的字節數
for (; i < bytes.GetLength(0) && n < len; i++)
{
if (i % 2 == 0)// 偶數位置,如0、2、4等,爲UCS2編碼中兩個字節的第一個字節
{
n++; // 在UCS2第一個字節時n加1
}
else
{
if (bytes[i] > 0)// 當UCS2編碼的第二個字節大於0時,該UCS2字符爲漢字,一個漢字算兩個字節
{
n++;
}
}
}
// 如果i爲奇數時,處理成偶數
if (i % 2 == 1)
{
if (bytes[i] > 0) // 該UCS2字符是漢字時,去掉這個截一半的漢字
i = i - 1;
else
i = i + 1;// 該UCS2字符是字母或數字,則保留該字符
}
len = i;
return System.Text.Encoding.Unicode.GetString(bytes, 0, i);
}