代码改变世界

在C#中截取指定长度的中文字符串(效率提高2500倍)

2010-03-28 18:17  uonun  阅读(984)  评论(0编辑  收藏  举报

C#中字符串截断本没有那么麻烦,问题就出在string.Substring()这个方法将中文也按一个字符计算,导致我们在实际应用中截取字符串(中英文组合)后的“长度”不一致。

国际惯例,在网上搜索了一下,大致得到了两中截断算法:
1. 从起始位置取得字符 -> 逐一用正则表达式匹配 -> 拼接成最终字符串。(这是广为流传的方法,也是效率最低的方法。)
2. 从起始位置取得字符 -> 逐一用ASCII比较 -> 再拼接成最终字符串。

相比之下,算法2比算法1高明,毕竟ASCII比较比正则表达式的执行效率更高。但最终,我仍然没有使用算法2,而是进行了进一步的优化:

public static string CutStr(string str, int len)
{
    if (str == null || str.Length == 0 || len <= 0)
    {
        return string.Empty;
    }

    int l = str.Length;

    #region 计算长度
    int clen = 0;
    while (clen < len && clen < l)
    {
        //每遇到一个中文,则将目标长度减一。
        if ((int)str[clen] > 128) { len--; }
        clen++;
    }
    #endregion

    if (clen < l)
    {
        return str.Substring(0, clen) + "...";
    }
    else
    {
        return str;
    }
}

最后,通过比较,广为流传的算法1执行100次就需要700多毫秒,而我的算法700毫秒可执行250000次!
(注:实际运行时间和原始字符串长度、截取长度、电脑性能有关。但同条件下的效率比值是基本稳定的。)