C#根據位元組數截取字串【轉載】

Web應用程式在瀏覽器中顯示字串時，由於顯示長度的限制，常常需要將字串截取後再進行顯示。但目前很多流行的語言，如C#、Java內部採用的都是Unicode 16（UCS2）編碼，在這種編碼中所有的字元都是兩個字元，因此，如果要截取的字串是中、英文、數字混合的，就會產生問題，如下面的字串：

String s = "a加b等於c，如果a等1、b等於2，那麼c等3"; 

     上面的字串既有漢字，又有英文字元和數字。如果要截取前6個位元組的字元，應該是”a加b等"，但如果用Substring方法截取前6個字元就成了"a加b等於c"。產生這個問題的原因是將Substring方法將雙位元組的漢字當成一個位元組的字元（UCS2字元）處理了。 要解決這個問題的方法是首先得到該字串的UCS2編碼的位元組數組，如下面的代碼如下：

byte[] bytes = System.Text.Encoding.Unicode.GetBytes(s);

    然後從第一個位元組開始掃描，對於一個英文或數字字元，UCS2編碼的第一個位元組是相應的ASCII，第二個位元組是0，如a的UCS2編碼是97  0，而漢字兩個位元組都不為0，因此，可以利於UCS2編碼的這個規則來計算實際的位元組數，為了更方便，將按位元組長度截取字串的方法註冊為String類的擴充方法，實現代碼如下： 

public static class StringExt
{
    public static String bSubstring(this string s, int length)
    {
        byte[] bytes = System.Text.Encoding.Unicode.GetBytes(s);
        int n = 0;  //  表示當前的位元組數
        int i = 0;  //  要截取的位元組數
        for (; i < bytes.GetLength(0) && n < length; i++)

        {

            //  偶數位置，如0、2、4等，為UCS2編碼中兩個位元組的第一個位元組
 

            if (i % 2 == 0)
            {
                n++;      //  在UCS2第一個位元組時n加1
            }
            else

            {

               //  當UCS2編碼的第二個位元組大於0時，該UCS2字元為漢字，一個漢字算兩個位元組
 

                if (bytes[i] > 0)
                {
                    n++;
                }
            }

        }

        //  如果i為奇數時，處理成偶數

        if (i % 2 == 1)

        { 

             //  該UCS2字元是漢字時，去掉這個截一半的漢字

            if (bytes[i] > 0)

                i = i - 1;

             //  該UCS2字元是字母或數字，則保留該字元
 

            else
                i = i + 1;
        }
        return System.Text.Encoding.Unicode.GetString(bytes, 0, i);
    }
}

     在上面的代碼中，如果最後要截取奇數個字元（以位元組為單位），並且當最後一個字元是字母或數字，則保留該字元，如果是漢字，說明這個漢字被截了一半，則去掉這個漢字。
 

     可以使用下面的代碼來截取字串：

String subStr = s.bSubstring(6);  //  substr的值是"a加b等"