c# - 字符串的实际长度

Question

我有一个字符串，它由汉字和可显示的ASCII码混合组成。

string str = "Test測試123";

当我使用str.Length 或str.ToCharArray() 时，它们都以1 个字符 的形式返回汉字!这不是真的，因为任何汉字都是 2 字节!

即使我尝试 Encoding.ASCII.GetBytes(str)，它也只会给我 ALL 汉字中的 63!! !结果与 Length 或 ToCharArray() 的结果相同!

就我的目的而言，哪个是错误的结果!!!

有什么方法可以获取字符串的实际长度!？

在我刚刚给出的例子中:11 而不是 9!？

Answer 1

Unicode 世界中的长度总是很有趣...您需要什么长度？例如:

string str = "🤣";

// Length in UTF-16 code units
int len = str.Length; // 2

// Length in bytes, if encoded in UTF16, as done by .NET
int len2 = str.Length * 2; // 4

// Length in bytes, if encoded in UTF8
int len3 = Encoding.UTF8.GetByteCount(str); // 4

// Length in unicode code points
int len4 = Encoding.UTF32.GetByteCount(str) / 4; // 1

请注意，还有第五个长度:字素簇数量的长度，计算起来更加复杂，因为一些代码点可以“合并”在一起，还有第六个长度:字形数量的长度。

现在，您的字符串的 len 等于 9，len2 等于 18，len3 (如果转换为 UTF8，则以字节为单位的长度)等于 13，len4 等于 9。

几乎所有的汉字都在Unicode标准的Basic Multilingual Plane中，所以它们的长度为1个UTF-16编码单元，在UTF8中它们可以映射到2或3个字节。

一些有趣的引用:What's the difference between a character, a code point, a glyph and a grapheme? .

啊...请忘记 Encoding.ASCII。像它不存在一样生活。它可能不是你想的那样。即使您生活在充满有趣字符的旧 MS DOS 世界中，那也不是 ASCII。