包含汉字的字符串截取，及相关

前言：

     在含有汉字的字符串中，如何有效截取（根据提供字节数）。例如：针对输入的字符串，根据所提供字节数，截取前一部分。如果截止字符为字母，则保留。如果为汉字的前一字节，则向前退一字节取。ex："我是ABB" 6，结果为"我是AB"；"我是ABB么" 8，结果为"我是ABB"。

     因为并没有指定语言（C、C#）。我们假设只有汉字和字母构成。

• 如果用C的话，这将是一道常规题（除了对汉字的处理以外）。
• 如果用C#的话，我想的做法如下：

//  Description: 演示字符串中包含汉字的截取

//  CopyRight:  http://www.cnblogs.com/yangmingming

//  Notes: 采用调用函数形式完成

namespace  StringCutDemo
{
     class  Program
    {
         static   void  Main( string [] args)
        {
             string  str1  =   " 我是ABC " ;
             string  str2  =   " 我是ABC么 " ;
             string  getStr1  =  GetString(str1,  4 );
             string  getStr2  =  GetString(str2,  6 );
            Console.WriteLine( " get the str1 and str2 is {0},{1} " ,getStr1 ,getStr2 );

        }
         public   static   string  GetString( string  str,  int  count)
        {
             if  ( ! (str[count  -   1 ]  >=   ' a '   &&  str[count  -   1 ]  <=   ' z '   ||  str[count  -   1 ]  >=   ' A '   &&  str[count  -   1 ]  <=   ' Z ' ))
                 return  str.Substring( 0 , count  -   1 );
             else
                 return  str.Substring( 0 , count );
        }
    }
}

 然而输出结果，确是：

 

 

 可见，在C#中，传统意义上的ASCII字符由所占一个字节，在这里都已“升级”为2个字节，同汉字拥有一样的字节数。所以这里的用C#的截取方法，将是不正确的！因为Substring（startIndex，count）中的count不是字节数，而是所需获取的元素个数（包含汉字、字母等）了。

   所以这题的有效做法，还是用C实现，这样可以实现字母的ASCII码实现，即只占有1个字节。(这里略)

 

 附：C#中不同编码的字节数

      同样采用上例，当采用不同编码时，所显示的字节数是不同的。见代码：

// Description: 演示字符串中包含汉字的截取,不同编码的字节数

//  CopyRight:  http://www.cnblogs.com/yangmingming

//  Notes: 采用两种编码方式完成

namespace  StringCutDemo
{
     class  Program
    {
         static   void  Main( string [] args)
        {
             string  str1  =   " 我是ABC " ;
             string  str2  =   " 我是ABC么 " ;
            // 第一种编码方式：
             int  str1Count  =  Encoding.Default.GetByteCount(str1);
             int  str2Count  =  Encoding.Default.GetByteCount(str2);
           // 第二种编码方式：
             int  str1UnicodeCount  =  Encoding.Unicode.GetByteCount(str1);
             int  str2UnicodeCount  =  Encoding.Unicode.GetByteCount(str2); 
            Console.WriteLine( " The Byte Count of str1 and str2 is {0},{1} " ,str1Count ,str2Count );
            Console.WriteLine( " The Byte by Unicoding of str1 and str2 is {0},{1} " , str1UnicodeCount, str2UnicodeCount);
        }

 调试结果如图：

 

可见，虽然原先的ASCII的单字节在C#中存储为2个字节，但是由于其第二个字节为0，所以当采用不同编码时，所计算的字符串的字节数是不同的。第一种情况，将其字节计为1，第二种计为2。

 

    综述之，由含有汉字的字符串的截取，所延伸至字符编码的相关问题。虽然关于编码，接触甚少，然此次遂完成一窥的效果，呵呵~

 

转载于:https://www.cnblogs.com/yangmingming/archive/2010/03/16/1687034.html