C#中根据字节处理字符串(含中文字符)

      C#中,要截取指定字节数的字符串时,如果字符串中没有汉字,则使用substring可以完成,但如果含有汉字,则substring会将两个字节的汉字当一个字节处理,导致实际得到的结果不是期望的结果。

      为了解决这个问题,我们可以借助UCS2编码来完成。

 

      UCS2编码中,每个字符都是由两个字节组成,其组成规则是:

        对于一个英文或数字字符,第一个字节是相应的ASCII,第二个字节是0,如a的UCS2编码是97  0;

        对于一个汉字,两个字节都不为0

 

      由组成规则我们可以得到这么一个结论:我们可以根据UCS2编码中的第二个字节来判断一个字符时汉字字符还是英文(或数字)

 

    

      具体实现如下:

        private int GetBytesOfString(string str)
        {//获取字符串的字节数
            byte[] bytes = System.Text.Encoding.Unicode.GetBytes(str);
            int n = 0;
            for (int i = 0; i < bytes.GetLength(0); i++)
            {
                //  偶数位置,如0、2、4等,为UCS2编码中两个字节的第一个字节
                if (i % 2 == 0)
                {
                    n++;      //  在UCS2第一个字节时n加1
                }
                else
                {
                    //  当UCS2编码的第二个字节大于0时,该UCS2字符为汉字,一个汉字算两个字节
                    if (bytes[i] > 0)
                    {
                        n++;
                    }
                }
            }
            return n;
        }

 

       private string GetSubstringByLength(string str, ref int len)
        {//截取字符串指定字节数的内容,并返回实际截取的字节数
            byte[] bytes = System.Text.Encoding.Unicode.GetBytes(str);
            int n = 0;  //  表示当前的字节数
            int i = 0;  //  要截取的字节数
            for (; i < bytes.GetLength(0) && n < len; i++)
            {
                if (i % 2 == 0)//  偶数位置,如0、2、4等,为UCS2编码中两个字节的第一个字节
                {
                    n++;      //  在UCS2第一个字节时n加1
                }
                else
                {
                    if (bytes[i] > 0)//  当UCS2编码的第二个字节大于0时,该UCS2字符为汉字,一个汉字算两个字节
                    {
                        n++;
                    }
                }
            }
            //  如果i为奇数时,处理成偶数
            if (i % 2 == 1)
            {
                if (bytes[i] > 0) //  该UCS2字符是汉字时,去掉这个截一半的汉字
                    i = i - 1;
                else
                    i = i + 1;//  该UCS2字符是字母或数字,则保留该字符
            }
            len = i;
            return System.Text.Encoding.Unicode.GetString(bytes, 0, i);
        }

你可能感兴趣的:(C/C++/C#)