Como faço para truncar uma seqüência de caracteres, enquanto a conversão de bytes em C#?

Question

Eu gostaria de colocar uma string em um array de bytes, mas a seqüência de caracteres podem ser grandes demais para caber.No caso em que é muito grande, eu gostaria de colocar quanto a maior string possível para a matriz.Existe uma maneira eficiente de descobrir quantos cabem caracteres?

Answer 1

Para truncar uma seqüência de caracteres para um UTF8 matriz de bytes, sem dividi no meio de um personagem que eu use isso:

static string Truncate(string s, int maxLength) {
    if (Encoding.UTF8.GetByteCount(s) <= maxLength)
        return s;
    var cs = s.ToCharArray();
    int length = 0;
    int i = 0;
    while (i < cs.Length){
        int charSize = 1;
        if (i < (cs.Length - 1) && char.IsSurrogate(cs[i]))
            charSize = 2;
        int byteSize = Encoding.UTF8.GetByteCount(cs, i, charSize);
        if ((byteSize + length) <= maxLength){
            i = i + charSize;
            length += byteSize;
        }
        else
            break;
    }
    return s.Substring(0, i);
}

A seqüência de caracteres retornada, em seguida, podem ser facilmente transferidos para uma matriz de bytes de comprimento maxLength.

Answer 2

Você deve estar usando a classe de Codificação para fazer sua conversão para a matriz de bytes correcto?Todos os Codificação de objetos tem um método substituído GetMaxCharCount, que irá dar-lhe "O número máximo de caracteres produzido pela decodificação do número de bytes especificado." Você deve ser capaz de utilizar este valor para aparar a sua cadeia e devidamente codificá-lo.

Answer 3

Maneira eficiente seria encontrar o quanto (pessimistically) bytes, você vai precisar de cada personagem com

Encoding.GetMaxByteCount(1);

em seguida, dividir o tamanho da seqüência de caracteres com o resultado, em seguida, converter-se que muito caracteres com

public virtual int Encoding.GetBytes (
 string s,
 int charIndex,
 int charCount,
 byte[] bytes,
 int byteIndex
)

Se você quiser usar menos uso de memória

Encoding.GetByteCount(string);

mas que é um método mais lento.

Answer 4

A Codificação de classe .NET tem um método chamado GetByteCount o que pode levar em uma string ou char[].Se você passar em 1 personagem, ele irá dizer-lhe quantos bytes são necessários para que 1 caractere em qualquer codificação que você está usando.

O método GetMaxByteCount é mais rápido, mas o pior caso de cálculo, que poderia retornar um número maior do que é realmente necessário.

Answer 5

Cookey, o seu código não fazer o que você aparente acho que não.Pré-alocar o buffer de bytes no seu caso é pura perda, porque ele não será usado.Ao invés, a sua atribuição gotas de memória alocada e redefine o arr referência para apontar para outro buffer, porque Encoding.GetBytes retorna uma nova matriz.