C#按固定字节位置读取中文文本,怎么避免从字符中间开始?

梦瑶吖_7984

梦瑶吖_7984

2026-11-20

966人浏览

原创

使用 system.text.encoding.utf8.getstring 将字节流转换为字符串,然后直接按字符索引截取,即可避免从字符中间开始。utf-8 编码中多字节字符的起始字节最高位为1,结束或中间字节最高位为0,通过检查字节高位可以判断是否处于字符边界。如果当前字节是某个多字节字符的中间部分,则向前移动直到找到字符起始位置,再读取完整字符。

C#按固定字节位置读取中文文本,怎么避免从字符中间开始?

如何检测字节流中的 UTF-8 字符边界?

UTF-8 编码规定:单字节字符(ASCII)范围是 0x00-0x7F;双字节字符首字节范围是 0xC2-0xDF;三字节字符首字节范围是 0xE0-0xEF;四字节字符首字节范围是 0xF0-0xF4。通过检查目标位置的字节值,可以判断该位置是否是字符的起始点。如果目标字节属于多字节字符的非首字节(即 0x80-0xBF 范围),则需要向前查找直到找到首字节。

C#按固定字节位置读取中文文本,怎么避免从字符中间开始?

using System;
using System.Text;

public class Utf8Reader
{
    public static string ReadAtFixedPosition(byte[] data, int byteOffset)
    {
        if (byteOffset = data.Length)
            throw new ArgumentOutOfRangeException(nameof(byteOffset));

        // 检查是否为多字节字符的中间字节
        while (byteOffset <h2>如何处理不同长度的 UTF-8 字符?</h2><p>UTF-8 支持1到4字节的字符编码。中文汉字通常使用3字节编码,但某些生僻字可能使用4字节。在读取时,需要确保读取的字节数能够构成完整的字符。可以通过检查首字节来确定后续需要读取的字节数:0xC0-0xDF 表示2字节字符,0xE0-0xEF 表示3字节字符,0xF0-0xF7 表示4字节字符。这样可以在固定位置读取时,准确识别字符边界并读取完整字符。</p><div class="aritcle_card flexRow artxards">
											<div class="artcardd flexRow">
												<a class="aritcle_card_img" rel="nofollow" href="/xiazai/skill2795" title="C#"><img
														src="https://img.php.cn/upload/skill/000/000/081/178936933912641.jpg" alt="C#" onerror="this.onerror='';this.src='/static/lhimages/moren/morentu.png'" ></a>
												<div class="aritcle_card_info flexColumn">
													<a rel="nofollow" href="/xiazai/skill2795" title="C#" class="overflowclass">C#</a>
													<p class="overflowclass">"避开 C# 常见错误——空陷阱、异步陷阱、LINQ 陷阱及资源泄漏。"</p>
												</div>
												<a rel="nofollow" href="/xiazai/skill2795" title="C#" class="aritcle_card_btn flexRow flexcenter"><b></b><span>下载</span>
												</a>
											</div>
										</div><p><img src="https://img.php.cn/upload/article/001/431/639/179513557556540.png?x-oss-process=image/resize,p_40" alt="C#按固定字节位置读取中文文本,怎么避免从字符中间开始?"></p><pre class="brush:php;toolbar:false;">using System;
using System.Text;

public class PreciseUtf8Reader
{
    public static string ReadCompleteCharAt(byte[] data, int byteOffset)
    {
        if (byteOffset = data.Length)
            throw new ArgumentOutOfRangeException(nameof(byteOffset));

        // 如果是连续字节,向前查找字符起始位置
        while (byteOffset > 0 && IsContinuationByte(data[byteOffset]))
        {
            byteOffset--;
        }

        // 确定字符长度
        int charLength = GetUtf8CharLength(data[byteOffset]);
        
        // 检查是否有足够字节
        if (byteOffset + charLength > data.Length)
            throw new InvalidOperationException("Not enough bytes for complete character");

        // 提取并解码完整字符
        return Encoding.UTF8.GetString(data, byteOffset, charLength);
    }

    private static int GetUtf8CharLength(byte firstByte)
    {
        if ((firstByte & 0x80) == 0x00) return 1; // ASCII
        if ((firstByte & 0xE0) == 0xC0) return 2; // 2-byte
        if ((firstByte & 0xF0) == 0xE0) return 3; // 3-byte
        if ((firstByte & 0xF8) == 0xF0) return 4; // 4-byte
        throw new ArgumentException("Invalid UTF-8 start byte");
    }

    private static bool IsContinuationByte(byte b)
    {
        return (b & 0xC0) == 0x80;
    }
}

// 测试代码
var text = "Hello 世界?";
var bytes = Encoding.UTF8.GetBytes(text);
Console.WriteLine($"原始文本: {text}");
Console.WriteLine($"字节数组长度: {bytes.Length}");

// 从"世"的位置开始读取
int worldStart = 6; // "世"的起始位置
string char1 = PreciseUtf8Reader.ReadCompleteCharAt(bytes, worldStart);
Console.WriteLine($"从位置{worldStart}读取: '{char1}'");

// 从"?"的中间位置开始读取(假设在第15个字节)
int emojiMiddle = 15;
try
{
    string char2 = PreciseUtf8Reader.ReadCompleteCharAt(bytes, emojiMiddle);
    Console.WriteLine($"从位置{emojiMiddle}读取: '{char2}'");
}
catch (Exception ex)
{
    Console.WriteLine($"错误: {ex.Message}");
}

// 预期输出:
// 原始文本: Hello 世界?
// 字节数组长度: 16
// 从位置6读取: '世'
// 从位置15读取: '?'(自动调整到字符边界)

当读取位置正好在多字节字符中间时会发生什么?

当读取位置正好位于多字节字符的中间字节时,程序会自动向前查找直到找到字符的起始位置。例如,如果"世"字由三个字节组成,而读取位置指向第二个字节,程序会向前移动到第一个字节,然后读取完整的三个字节的"世"字。这种机制确保了不会出现乱码或截断的字符,保证了文本的完整性。对于ASCII字符(单字节),由于没有多字节结构,读取位置不会影响结果。

相关文章

PHP速学视频免费教程(入门到精通)
PHP速学视频免费教程(入门到精通)

PHP怎么学习?PHP怎么入门?PHP在哪学?PHP怎么学才快?不用担心,这里为大家提供了PHP速学教程(入门到精通),有需要的小伙伴保存下载就能学习啦!

下载

相关标签:

字节 c#

本站声明:本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系admin@php.cn

相关专题

更多
c#是什么意思
c#是什么意思

C#是一种通用的面向对象编程语言,它在.NET框架上运行,可用于开发各种类型的应用程序。本专题为大家提供c#相关的各种文章、以及下载和课程。

2023.08.08

1232

5

什么是c#
什么是c#

C#(读作C Sharp)是一种现代的、通用的、面向对象的编程语言。它由微软公司开发,于2000年首次发布,主要用于开发Windows桌面应用程序、Web应用程序、移动应用程序以及游戏开发等领域。C#是一种类型安全和托管的编程语言,它结合了C++的强大性能和C语言的简单易学特点,并引入了许多新的特性和概念,如委托、属性、泛型和异步编程等,以提高开发效率和代码可维护性。

2023.08.31

3631

3

C#中base关键字的用法
C#中base关键字的用法

在C#中,base关键字用于访问当前类的基类成员,这包括基类的字段、属性、方法、构造函数、索引器以及事件。想了解更多C#的相关内容,可以阅读本专题下面的文章。

2024.03.13

965

8

C#Task用法
C#Task用法

Task在C#中是用于表示异步操作的对象,它位于System.Threading.Tasks命名空间中。想了解更多C#中各种用法的相关内容,可以阅读本专题下面的文章。

2024.03.14

2695

11

C# 并发与异步编程
C# 并发与异步编程

本专题系统讲解 C# 异步编程与并发控制,重点介绍 async 和 await 关键字、Task 类、线程池管理、并发数据结构、死锁与线程安全问题。通过多个实战项目,帮助学习者掌握 如何在 C# 中编写高效的异步代码,提升应用的并发性能与响应速度。

2026.02.03

372

18

C# 多线程与异步编程
C# 多线程与异步编程

本专题深入讲解 C# 中多线程与异步编程的核心概念与实战技巧,包括线程池管理、Task 类的使用、async/await 异步编程模式、并发控制与线程同步、死锁与竞态条件的解决方案。通过实际项目,帮助开发者掌握 如何在 C# 中构建高并发、低延迟的异步系统,提升应用性能和响应速度。

2026.02.06

449

20

C# ASP.NET Core微服务架构与API网关实践
C# ASP.NET Core微服务架构与API网关实践

本专题围绕 C# 在现代后端架构中的微服务实践展开,系统讲解基于 ASP.NET Core 构建可扩展服务体系的核心方法。内容涵盖服务拆分策略、RESTful API 设计、服务间通信、API 网关统一入口管理以及服务治理机制。通过真实项目案例,帮助开发者掌握构建高可用微服务系统的关键技术,提高系统的可扩展性与维护效率。

2026.03.11

631

24

C# Unity游戏开发与ECS架构实践
C# Unity游戏开发与ECS架构实践

本专题聚焦 C# 在 Unity 游戏开发中的应用,系统讲解 ECS(Entity-Component-System)架构设计、游戏对象管理、性能优化与内存控制策略。通过实际游戏案例,帮助开发者构建高性能、结构清晰的游戏系统,提高游戏开发效率与运行性能。

2026.04.13

349

20

string转int
string转int

在编程中,我们经常会遇到需要将字符串(str)转换为整数(int)的情况。这可能是因为我们需要对字符串进行数值计算,或者需要将用户输入的字符串转换为整数进行处理。php中文网给大家带来了相关的教程以及文章,欢迎大家前来学习阅读。

2023.08.02

7799

3

热门下载

更多
网站特效
/
网站源码
/
网站素材
/
前端模板

精品课程

更多
相关推荐
/
热门推荐
/
最新课程