Question

此代码：

string a = "abc";
string b = "AC";
Console.WriteLine("Length a = {0}", a.Length);
Console.WriteLine("Length b = {0}", b.Length);

输出：

Length a = 3
Length b = 4

为什么呢？我唯一能想到的是中文字符长2个字节，.Length方法返回字节数。

Answer 1

其他人都给出了表面答案，但也有更深层次的理由：“字符”的数量是一个难以定义的问题，计算起来可能会非常昂贵，而长度属性应该很快。

为什么难以定义？嗯，有几个选项，没有一个比另一个更有效：

代码单元的数量（字节或其他固定大小的数据块; C＃和Windows通常使用UTF-16因此它返回双字节块的数量）肯定是相关的，因为计算机仍然需要处理用于多种目的的表单中的数据（例如，写入文件，关心字节而不是字符）
Unicode代码点的数量相当容易计算（尽管O（n）因为你必须扫描代理对的字符串）并且可能对文本编辑器很重要....但实际上并不相同作为屏幕上打印的字符数（称为字素）。例如，一些带重音的字母可以用两种形式表示：一个代码点，或者两个点配对在一起，一个代表字母，一个说“添加重音到我的伙伴字母”。这对是两个字还是一个？您可以规范化字符串以帮助解决此问题，但并非所有有效字母都具有单个代码点表示。
即使字素的数量与打印字符串的长度不同，这取决于其他因素的字体，并且由于某些字符在许多字体中打印有一些重叠（字距调整），屏幕上的字符串长度无论如何都不一定等于字素长度的总和！
某些Unicode点不是传统意义上的字符，而是某种控制标记。像字节顺序标记或从右到左的指示符。这些算不算？

简而言之，字符串的长度实际上是一个非常复杂的问题，计算它可能需要大量的CPU时间和数据表。

而且，重点是什么？为什么这些指标很重要？好吧，只有你可以回答你的情况，但就个人而言，我发现它们通常是无关紧要的。我发现限制数据输入更符合逻辑上的字节限制，因为无论如何都需要传输或存储。显示器侧软件可以更好地限制显示器尺寸 - 如果您有100个像素的消息，您所适合的字符数取决于字体等，无论如何数据层软件都不知道。最后，考虑到unicode标准的复杂性，如果你尝试其他任何东西，你可能会在边缘情况下遇到错误。

所以这是一个很难解决的问题，并没有太多的通用用法。代码单元的数量很容易计算 - 它只是底层数据数组的长度 - 并且作为一般规则最有意义/最有用，具有简单的定义。

这就是为什么b的长度4超出表面解释“因为文档说的如此”。

Answer 2

来自String.Length媒体资源的documentation：

Length属性返回此实例中Char个对象的数量，而不是Unicode字符的数量。原因是Unicode字符可能由多个Char表示。使用System.Globalization.StringInfo类来处理每个Unicode字符，而不是每个Char。

Answer 3

"AC"中索引1处的角色是SurrogatePair

要记住的关键点是代理对代表 32位 单个字符。

您可以尝试使用此代码，它将返回True

Console.WriteLine(char.IsSurrogatePair("AC", 1));

Char.IsSurrogatePair Method (String, Int32)

true如果s参数在位置包含相邻字符 index和index + 1 ，以及字符的数值位置索引范围从U + D800到U + DBFF，以及数字位置索引+ 1处的字符值范围从U + DC00到 U + DFFF;否则，false。

String.Length属性：

进一步说明了这一点

Length属性返回中Char对象的数量实例，不是Unicode字符的数量。原因是a Unicode字符可能由多个Char表示。使用 System.Globalization.StringInfo类用于处理每个Unicode 字符而不是每个字符。

Answer 4

正如其他答案所指出的那样，即使有3个可见字符，它们也会用4个char个对象表示。这就是为什么Length是4而不是3。

MSDN声明

Length属性返回此对象中Char对象的数量实例，而不是Unicode字符的数量。

但是，如果您真正想知道的是“文本元素”的数量而不是Char个对象的数量，那么您可以使用StringInfo类。

var si = new StringInfo("AC");
Console.WriteLine(si.LengthInTextElements); // 3

您还可以枚举像这样的每个文本元素

var enumerator = StringInfo.GetTextElementEnumerator("AC");
while(enumerator.MoveNext()){
    Console.WriteLine(enumerator.Current);
}

在字符串上使用foreach将在两个char对象中拆分中间的“字母”，并且打印结果将与字符串不对应。

Answer 5

这是因为Length属性返回 char对象的数量，而不是unicode字符的数量。在您的情况下，其中一个Unicode字符由多个char对象（SurrogatePair）表示。

Length属性返回此对象中Char对象的数量实例，而不是Unicode字符的数量。原因是一个 Unicode字符可能由多个Char表示。使用 System.Globalization.StringInfo类用于处理每个Unicode 字符而不是每个字符。

Answer 6

正如其他人所说，它不是字符串中的字符数，而是Char对象的数量。该字符是代码点U + 20213。由于该值超出了16位char类型的范围，因此它以UTF-16编码为代理对D840 DE13。

在其他答案中提到了获得字符长度的方法。但是应该谨慎使用，因为可以有很多方法来表示Unicode中的字符。 “à”可以是1个组合字符或2个字符（a +变音符号）。可能需要进行标准化，例如twitter。

你应该读这个 The Absolute Minimum Every Software Developer Absolutely, Positively Must Know About Unicode and Character Sets (No Excuses!)

Answer 7

这是因为length()仅适用于不大于U+FFFF的Unicode代码点。这组代码点称为Basic Multilingual Plane（BMP），仅使用2个字节。

BMP之外的Unicode代码点使用4字节代理对以UTF-16表示。

要正确计算字符数（3），请使用StringInfo

StringInfo b = new StringInfo("AC");
Console.WriteLine(string.Format("Length 2 = {0}", b.LengthInTextElements));

Answer 8

好的，在.Net和C＃中，所有字符串都编码为UTF-16LE。 string存储为一系列字符。每个char封装2个字节或16位的存储。

我们在“纸上或屏幕上”看到的单个字母，字符，字形，符号或标点符号可以被视为单个文本元素。如Unicode Standard Annex #29 UNICODE TEXT SEGMENTATION中所述，每个文本元素由一个或多个代码点表示。代码的详尽列表可以是found here。

每个代码点都需要编码为二进制文件，以供计算机进行内部表示。如上所述，每个char存储2个字节。 U+FFFF或以下的代码点可以存储在一个char中。高于U+FFFF的代码点存储为代理对，使用两个字符表示单个代码点。

鉴于我们现在知道我们可以推断，文本元素可以存储为一个char，作为两个字符的代理对，或者，如果文本元素由多个代码点表示，则单个字符的某种组合和代理对。好像这不够复杂，一些文本元素可以用代码点的不同组合来表示，如in, Unicode Standard Annex #15, UNICODE NORMALIZATION FORMS所述。

插曲

因此，渲染时看起来相同的字符串实际上可以由不同的字符组合组成。两个这样的字符串的序数（逐字节）比较会检测到差异，这可能是意外的或不合需要的。

您可以重新编码.Net字符串。这样他们就可以使用相同的规范化表格。归一化后，具有相同文本元素的两个字符串将以相同的方式编码。为此，请使用string.Normalize功能。但是，请记住，一些不同的文本元素看起来彼此相似。：-s

那么，这个问题对于这个问题意味着什么呢？文本元素''由单个代码点U + 20213 cjk统一表意文字扩展名b 表示。这意味着它不能编码为单个char，必须使用两个字符编码为代理对。这就是string b比string a长一char的原因。

如果您需要可靠（请参阅警告）计算string中的文本元素数量，您应该使用 System.Globalization.StringInfo这样的课程。

using System.Globalization;

string a = "abc";
string b = "AC";

Console.WriteLine("Length a = {0}", new StringInfo(a).LengthInTextElements);
Console.WriteLine("Length b = {0}", new StringInfo(b).LengthInTextElements);

给出输出，

"Length a = 3"
"Length b = 3"

正如所料。

<强>买者

StringInfo和TextElementEnumerator类中的Unicode文本分段的.Net实现通常应该是有用的，并且在大多数情况下，将产生调用者期望的响应。但是，正如Unicode Standard Annex #29, "The goal of matching user perceptions cannot always be met exactly because the text alone does not always contain enough information to unambiguously decide boundaries."

中所述

为什么这个字符串的长度比它中的字符数长？

8 个答案: