C#和VB.net实现根据字节数截取字符串

   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：

1. 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：

1. 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：

1. public static class StringExt
2. {
3.     public static String bSubstring(this string s, int length)
4.     {
5.         byte[] bytes = System.Text.Encoding.Unicode.GetBytes(s);
6.         int n = 0;  //  表示当前的字节数
7.         int i = 0;  //  要截取的字节数
8.         for (; i < bytes.GetLength(0) && n < length; i++)
9.         {
11.             //  偶数位置，如0、2、4等，为UCS2编码中两个字节的第一个字节
14.             if (i % 2 == 0)
15.             {
16.                 n++;      //  在UCS2第一个字节时n加1
17.             }
18.             else
19.             {
21.                //  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
24.                 if (bytes[i] > 0)
25.                 {
26.                     n++;
27.                 }
28.             }
29.         }
31.         //  如果i为奇数时，处理成偶数
33.         if (i % 2 == 1)
34.         { 
36.              //  该UCS2字符是汉字时，去掉这个截一半的汉字
38.             if (bytes[i] > 0)
39.                 i = i - 1;
41.              //  该UCS2字符是字母或数字，则保留该字符
44.             else
45.                 i = i + 1;
46.         }
47.         return System.Text.Encoding.Unicode.GetString(bytes, 0, i);
48.     }
49. }

     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：

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

 

补充，用VB.net实现：

1. Public Module StringExt
2.     Public Function bSubstring(ByVal s As String, ByVal length As Integer) As String
3.         Dim bytes As Byte() = System.Text.Encoding.Unicode.GetBytes(s)
4.         Dim n As Integer = 0
5.         ' 表示当前的字节数 
6.         Dim i As Integer = 0
7.         ' 要截取的字节数 
8.         While i < bytes.GetLength(0) AndAlso n < length
10.             ' 偶数位置，如0、2、4等，为UCS2编码中两个字节的第一个字节 
13.             If i Mod 2 = 0 Then
14.                 n += 1
15.                 ' 在UCS2第一个字节时n加1 
16.             Else
18.                 ' 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 
21.                 If bytes(i) > 0 Then
22.                     n += 1
23.                 End If
24.             End If
25.             i += 1
26.         End While
28.         ' 如果i为奇数时，处理成偶数 
30.         If i Mod 2 = 1 Then
32.             ' 该UCS2字符是汉字时，去掉这个截一半的汉字 
34.             If bytes(i) > 0 Then
35.                 i = i - 1
36.             Else
38.                 ' 该UCS2字符是字母或数字，则保留该字符 
41.                 i = i + 1
42.             End If
43.         End If
44.         Return System.Text.Encoding.Unicode.GetString(bytes, 0, i)
45.     End Function
46. End Module