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~