C#实现中英混合字符串精准截取

核心需求与结果

目标是在指定最大字节长度内截取字符串，并在末尾追加省略号等标识符。关键在于准确判断“剩余可用字节数”，避免因截断位置不当而破坏多字节字符结构。

准备条件

• C# 环境支持 System.Text.RegularExpressions 和 System.Text 命名空间。
• 明确目标编码格式（如 GBK 或 ASCII 近似值）。以下示例主要模拟常见的 GBK/双字节汉字特性。

真实操作顺序

第1步：使用正则表达式进行近似宽度计算

目的：快速估算字符串视觉长度，适用于对精度要求不高且追求性能的场景。

入口：定义静态方法 CutStr。

动作：

1. 接收最大长度 maxLength 和原字符串 str。
2. 使用正则 [\u4e00-\u9fa5] 匹配所有中文字符，并将其替换为两个英文字符（如 "zz"）。这样替换后，字符串的长度即近似等于其在双字节编码下的字节数。
3. 若替换后的长度小于等于 maxLength，则直接返回原串。
4. 否则，从后向前遍历截取子串，再次检查替换后的长度是否满足 maxLength - 3（预留 "..." 的空间）。

/// <summary>
/// 截断字符串，基于正则近似计算宽度
/// </summary>
/// <param name="maxLength">最大字节长度</param>
/// <param name="str">原字符串</param>
/// <returns>截断后的字符串</returns>
public static string CutStr(int maxLength, string str)
{
    string temp = str;
    // 将中文替换为2个字符，模拟双字节宽度
    if (Regex.Replace(temp, "[\u4e00-\u9fa5]", "zz", RegexOptions.IgnoreCase).Length <= maxLength)
    {
        return temp;
    }
    
    // 从后向前寻找合适的截断点
    for (int i = temp.Length; i >= 0; i--)
    {
        temp = temp.Substring(0, i);
        // 检查剩余部分加上省略号后是否符合最大长度
        if (Regex.Replace(temp, "[\u4e00-\u9fa5]", "zz", RegexOptions.IgnoreCase).Length <= maxLength - 3)
        {
            return temp + "...";
        }
    }
    return "...";
}

第2步：通过字节数组精确统计宽度

目的：更精细地控制边界，防止在多字节字符中间截断导致乱码。

入口：定义实例方法 GetByteString。

动作：

1. 首先截取不超过 maxlen + 1 长度的临时字符串，防止越界。
2. 将其转换为 ASCIIEncoding.ASCII 字节数组。注意：ASCIIEncoding 对于非ASCII字符（如中文）默认返回 '?' (63)，这常用于简单估算中文占2字节的场景（尽管实际UTF-8更长，但在GBK环境下此逻辑常见）。
3. 遍历字节，若值为 63 ('?') 则认为该字符在原串中占2位宽度，否则占1位。
4. 累加宽度计数 count，仅当总宽度未超过限制时才加入输出字符串。
5. 最后追加结束符（如省略号）并返回。

private string GetByteString(string center, int maxlen, string endStr)
{
    // 初步截取，防止后续Substring越界
    string temp = center.Substring(0, (center.Length < maxlen + 1) ? center.Length : maxlen + 1);
    
    // 使用ASCII编码获取字节，中文在非ASCII时通常会变成特定字节或问号，此处简化逻辑
    byte[] encodedBytes = System.Text.ASCIIEncoding.ASCII.GetBytes(temp);
    string outputStr = "";
    int count = 0;
    
    for (int i = 0; i < temp.Length; i++)
    {
        // 如果字节值为63('?')，在某些编码假设下代表占位或中文占用额外字节
        // 注意：此方法依赖特定编码行为，生产环境建议根据实际Encoding调整
        if ((int)encodedBytes[i] == 63)
            count += 2;
        else
            count += 1;

        if (count <= maxlen - endStr.Length)
          outputStr += temp.Substring(i, 1);
        else if (count > maxlen)
          break;
    }
    
    // 如果全程未超限，恢复完整字符串并移除尾缀
    if (count <= maxlen)
    {
        outputStr = temp;
        endStr = "";
    }
    outputStr += endStr;
    return outputStr;
}

完成判断

调用上述函数后，返回的字符串长度（以字节计）应严格控制在传入的 maxLength 以内，且末尾附带指定的结束符号。可在单元测试中传入包含大量中文和英文的混合字符串验证其表现。

简要总结

中英混合字符串截取的核心在于区分“字符数”与“显示宽度”。方法一利用正则替换快速估算，适合通用场景；方法二通过字节分析提供更底层的控制。开发者可根据项目实际的编码标准（GBK/UTF-8）选择合适的实现方式。以上就是C#中英文混合字符串截取函数的详细内容，更多关于C#字符串处理技巧的资料请关注本站其它相关文章！