C#和VB.net实现根据字节数截取字符串

最新推荐文章于 2023-07-22 14:29:27 发布

转载最新推荐文章于 2023-07-22 14:29:27 发布 · 6.1k 阅读

文章标签：

#vb.net #c# #byte #string #浏览器 #java

ASP.Net技术文章专栏收录该内容

6 篇文章

订阅专栏

本文介绍如何在C#中正确截取中英文及数字混合的字符串，避免因Unicode编码方式导致的问题，并提供了一个扩展方法实现按字节长度截取。

Web应用程序在浏览器中显示字符串时，由于显示长度的限制，常常需要将字符串截取后再进行显示。但目前很多流行的语言，如C#、Java内部采用的都是Unicode 16（UCS2）编码，在这种编码中所有的字符都是两个字符，因此，如果要截取的字符串是中、英文、数字混合的，就会产生问题，如下面的字符串：

String s = "a加b等于c，如果a等1、b等于2，那么c等3";

上面的字符串既有汉字，又有英文字符和数字。如果要截取前6个字节的字符，应该是”a加b等"，但如果用Substring方法截取前6个字符就成了"a加b等于c"。产生这个问题的原因是将Substring方法将双字节的汉字当成一个字节的字符（UCS2字符）处理了。要解决这个问题的方法是首先得到该字符串的UCS2编码的字节数组，如下面的代码如下：

byte[] bytes = System.Text.Encoding.Unicode.GetBytes(s);

然后从第一个字节开始扫描，对于一个英文或数字字符，UCS2编码的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，而汉字两个字节都不为0，因此，可以利于UCS2编码的这个规则来计算实际的字节数，为了更方便，将按字节长度截取字符串的方法注册为String类的扩展方法，实现代码如下：

public static class StringExt
{
    public static String bSubstring(this string s, int length)
    {
        byte[] bytes = System.Text.Encoding.Unicode.GetBytes(s);
        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 < length; 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++;
                }
            }
        }
        //  如果i为奇数时，处理成偶数 
        if (i % 2 == 1)
        { 
             //  该UCS2字符是汉字时，去掉这个截一半的汉字 
            if (bytes[i] > 0)
                i = i - 1;
             //  该UCS2字符是字母或数字，则保留该字符 
            else
                i = i + 1;
        }
        return System.Text.Encoding.Unicode.GetString(bytes, 0, i);
    }
}

在上面的代码中，如果最后要截取奇数个字符（以字节为单位），并且当最后一个字符是字母或数字，则保留该字符，如果是汉字，说明这个汉字被截了一半，则去掉这个汉字。

可以使用下面的代码来截取字符串：

String subStr = s.bSubstring(6); // substr的值是"a加b等"

补充，用VB.net实现：

Public Module StringExt
    Public Function bSubstring(ByVal s As String, ByVal length As Integer) As String
        Dim bytes As Byte() = System.Text.Encoding.Unicode.GetBytes(s)
        Dim n As Integer = 0
        ' 表示当前的字节数  
        Dim i As Integer = 0
        ' 要截取的字节数  
        While i < bytes.GetLength(0) AndAlso n < length
            ' 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 Mod 2 = 0 Then
                n += 1
                ' 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 Then
                    n += 1
                End If
            End If
            i += 1
        End While
        ' 如果i为奇数时，处理成偶数  
        If i Mod 2 = 1 Then
            ' 该UCS2字符是汉字时，去掉这个截一半的汉字  
            If bytes(i) > 0 Then
                i = i - 1
            Else
                ' 该UCS2字符是字母或数字，则保留该字符  
                i = i + 1
            End If
        End If
        Return System.Text.Encoding.Unicode.GetString(bytes, 0, i)
    End Function
End Module