向C#的String类添加按字节截取字符串的扩展方法

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"

本文转自 androidguy 51CTO博客，原文链接：http://blog.51cto.com/androidguy/214973，如需转载请自行联系原作者

相关文章：