字符串的实际长度。

Question

我有一个string，它由汉字和可显示的ASCII代码混合而成。

string str = "Test測試123";

当我使用str.Length或str.ToCharArray()时，它都会将每个汉字都返回为1字符！这不是真的，因为任何汉字都是2字节！

即使我尝试了Encoding.ASCII.GetBytes(str)，它也给了我63在中所有的汉字！结果与Length或ToCharArray()的结果相同！

哪个是错误的结果对我来说！

有没有任何方法可以获得字符串的实际长度！？

在我刚才给出的例子中: 11而不是9!？

Answer 1

在Unicode世界里的长度总是很有趣..。你需要多长时间？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，有第五个长度:长度在字素簇的数目，这是更复杂的计算，因为一些代码点可以“合并”在一起，第六:长度在数目的字符。

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

几乎所有的汉字都在Unicode标准的基本多语言平面上，因此它们的长度为1 UTF-16码单元，在UTF8中可映射到2或3个字节。

一些有趣的参考：What's the difference between a character, a code point, a glyph and a grapheme? 。

啊..。请忘了Encoding.ASCII吧。就像它不存在一样。可能不是你想的那样。即使你生活在旧的MS DOS世界里，有着有趣的角色，那也不是ASCII。

Answer 2

汉语的宽度空间是英语的两倍，而字符代码的长度则是另一个故事，UTF-8中文占三个字节，英语永远是一个字节。

//only for UTF-8
string s = "計算字串的長度this is a test";
int sLength = s.Length; //length is 21
int byteCount = Encoding.UTF8.GetByteCount(s); // byte count is 35
int chineseCount = (byteCount - sLength)/2; //Chinese count is 7