c# - C＃でバイトに変換するときに文字列を切り捨てるにはどうすればよいですか？

Question

文字列をバイト配列に入れたいのですが、文字列が大きすぎて収まらない可能性があります。大きすぎる場合は、できるだけ多くの文字列を配列に入れたいと思います。いくつの文字が収まるかを知るための効率的な方法はありますか？

Answer 1

文字の途中で分割せずに文字列を UTF8 バイト配列に切り詰めるには、次のようにします。

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);
}

返された文字列は、長さ maxLength のバイト配列に安全に転送できます。

Answer 2

Encoding クラスを使用して、バイト配列への変換を正しく行う必要がありますか? すべての Encoding オブジェクトにはオーバーライドされたメソッド GetMaxCharCount があり、これにより、「指定されたバイト数をデコードすることによって生成される最大文字数」が得られます。この値を使用して文字列をトリミングし、適切にエンコードできるはずです。

Answer 3

効率的な方法は、文字ごとに必要な（悲観的に）バイト数を見つけることです

Encoding.GetMaxByteCount(1);

次に、文字列サイズを結果で割り、その多くの文字を次のように変換します

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

メモリ使用量を減らしたい場合

Encoding.GetByteCount(string);

しかし、それははるかに遅い方法です。

Answer 4

GetByteCount.NET の Encoding クラスには、文字列または char[] を受け取ることができるというメソッドがあります。1文字を渡すと、使用しているエンコーディングでその1文字に必要なバイト数がわかります。

この方法GetMaxByteCountは高速ですが、最悪の場合の計算を行うため、実際に必要な数値よりも高い数値が返される可能性があります。