C# 字符串中的 UTF-8 字节位置

Question

我有一个外部第三方库，它对字符串进行分析，并返回给定字符串中有趣的事物/事件的列表。

我的问题是第 3 方库将找到的位置返回为字节位置，而不是字符串位置，当我将字符串传递给第 3 方时，我使用 Encoding 将其作为 UTF-8 编码 byte[] 传递.UTF8.GetBytes(text)，因此它作为字节位置返回确实有意义。

因为UTF-8中的字符没有固定大小，所以我无法直接将其转换为字符串位置。

问题是:

“我是你的父亲”“你的”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

“我是你的父亲”“父亲”在字节位置10处找到，长度为6

“我是你的父亲”“父亲”位于字节位置 11，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

它的复杂度是 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 位于 .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;
}