C# UTF-8 字符串中的字节位置

Question

我有一个外部 3.party 库，它对字符串进行分析，returns 给定字符串中有趣的列表 things/events。

我的问题是 3.party 库 returns 找到的位置是字节位置，而不是字符串位置，当我将字符串传递给 3.party 时，我将其作为 UTF-8 传递使用 Encoding.UTF8.GetBytes(text) 对 byte[] 进行编码，因此将 returns 作为字节位置确实有意义。

因为UTF-8中的一个字符没有固定的大小，所以不能直接翻译成String位置。

问题是：

"I am your father" "your" 位于字节位置 5，长度为 4

"我是你的父亲" "yøur" 在字节位置 5 处找到，长度为 5

"I am your father" "father" 位于字节位置 10，长度为 6

"I am your father" "father" 在字节位置 11 处找到，长度为 6

我的问题是，如何将字节位置转换为字符串位置？

Answer 1

它是 O(n)，所以它很糟糕但是：

string str = "I am yøur father";
byte[] utf8 = Encoding.UTF8.GetBytes(str);

int len;
int ix = YourMethod(utf8, out len);

int ix2 = Encoding.UTF8.GetCharCount(utf8, 0, ix);
int len2 = Encoding.UTF8.GetCharCount(utf8, ix, len);

ix2 和 len2 在 .NET char 中。

请注意，您可以进行简单的优化：

int ix2;
int len2;

if (str.Length != utf8.Length)
{
    ix2 = Encoding.UTF8.GetCharCount(utf8, 0, ix);
    len2 = Encoding.UTF8.GetCharCount(utf8, ix, len);
}
else
{
    ix2 = ix;
    len2 = len;
}

C# UTF-8 字符串中的字节位置

C# UTF-8 Byte position in a String

c#

string

byte

utf-8

character-encoding