用C#截取指定长度的中英文混合字符串

转自https://bbs.csdn.net/topics/340153141

通常，一个中文会占两个字节的空间。很多语言里，一个中文字符就算是2个字符长度。
但在C#中，string里包含的中文字符只占一个字符长度。这就导致很多时候，使用string.SubString(int startIndex,int length)方法来截取字符会错位。
最近由于工作原因，会截取指定长度的字符来使用。但是在文档里，1个中文是2个长度来计算。刚开始还只是以为文档错误，后来才知道是由于C#的差异造成的。
刚开始，是直接到网上找算法，但是找到的算法，基本思路都是挨个字符判断（根据ASCII值）。不是算法复杂，就是容易出错，且不能涵盖所有的中文。
稍微研究了下，还是利用.Net框架自带的方法最简单。
基本思路如下，将string转化为byte[] ,将byte[]截取后，再转化为string ,这种方法，两步完成，且可谓万无一失。

public static string SubString(string toSub,int startIndex,int length)

{
    byte[] subbyte=System.Text.Encoding.Default.GetBytes(toSub);
    string Sub=System.Text.Encoding.Default.GetString(subbyte,stratIndex,length);
    return Sub;
}

稍微解释下参数，toSub -需要截取的字符串，startIndex -开始截取的位置索引， length -截取的长度
用法基本和string.SubString(int startIndex,int length)一样。

 

后来有大神文章

http://www.cnblogs.com/yao/archive/2008/03/06/1093066.html

很早以前写过一篇文章(用C#截取指定长度的中英文混合字符串)，但是对性能没有测试，有人说我写的这个方法性能有问题，后来想，可能真会有BT之需求要求传入一个几万K甚至几M体积的字符串进来，那将会影响正则Match的速度，比如文章系统中就极有可能用到，今天有点时间，就改进了一下，代码如下：
 

    public static string getStr(string s,int l,string endStr)
    {
        string temp = s.Substring(0, (s.Length < l)?s.Length:l);
        
        if (Regex.Replace(temp,"[\u4e00-\u9fa5]","zz",RegexOptions.IgnoreCase).Length<=l)
        {
            return temp;
        }
        for (int i=temp.Length;i>=0;i--)
        {
            temp = temp.Substring(0,i);
            if (Regex.Replace(temp,"[\u4e00-\u9fa5]","zz",RegexOptions.IgnoreCase).Length<=l-endStr.Length)
            {
                return temp + endStr;
            }    
        }
        return endStr;
    }

此修改版的方法多加了个参数"string endStr"，是指当字符串"string s"超过指定长度"int l"时，对结尾的处理，比如要不要加上省略号"..."或加上其它字符。
另外，添加了省略号之后，省略号长度也是算在结果的长度之内了。

    用法如：

    getStr("中国1中国中国中1111中国", 23,"") 
    //output:中国1中国中国中1111中国

    getStr("中国1中国中国中1111中国", 23,"...") 
    //output:中国1中国中国中1111...

    getStr("中国1中国中国中1111中国中国", 23,"")    
    //output:中国1中国中国中1111中国

    getStr("中国1中国中国中1111中国中国", 23,"...")
    //output:中国1中国中国中1111...

----------------------------------------------------------------------

    补充："kpz"回复说上边的方法会截取失真，而我又无法做到穷尽测试，所以换了另一种写法，为了考虑性能结果把逻辑搞的有点"晕"，反复测试了多次，代码如下：
 

public static string getStr2(string s, int l,string endStr) 
    { 
        string temp = s.Substring(0, (s.Length < l+1)?s.Length:l+1);    
        byte[] encodedBytes = System.Text.ASCIIEncoding.ASCII.GetBytes(temp);
        
        string outputStr = ""; 
        int count = 0;     
        
        for (int i = 0; i < temp.Length; i++) 
        { 
            if ((int)encodedBytes[i] == 63)
                count += 2; 
            else
                count += 1; 

            if (count <= l-endStr.Length)
                outputStr += temp.Substring(i,1); 
            else if (count>l)    
                break;            
        } 
        
        if (count<=l)
        {
            outputStr=temp;
            endStr="";
        }
        
        outputStr += endStr;    
        
        return outputStr; 
    }

用法和参数含义均同前，注意省略号也占位置，算了长度。