C#按字节截取字符串的扩展方法

转自李宁的极客世界

    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"