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