拆分多语言字符串

Question

我有一个AS/400回复文本，它带有多语言字符串，如下所示，长度为28872个字符。

2012021920120219000000000300000D000000010146208D22فيراصم

我不得不分割文本每块240个字符，但如我在我的之间逻辑未能提取确切240字符长度阿拉伯字符。

我的问题是如何拆分多语言文本与失去原始格式？

Answer 1

你应该编写你的代码，它取决于文本编码，提取完全240个字符。取决于编码，字符可能需要几个字节。常见的编码是UTF-8。看看维基百科关于UTF-8的工作方式。这将允许您编写正确的工作代码。 UTF-8 Description

所以，你应该知道当前字符需要多少字节。

当然，在开始之前，请确保您知道输入文本的编码。

---

知道Java使用UTF-16来存储字符。所以，这意味着阿拉伯字符可以由多个char组成，因为代码点超过2^16。为了这个正常工作，我将整个字符串转换为字节的缓冲区：

String longStringToSplit = ...; 
byte[] stringUTF8 = longStringToSplit.getBytes("UTF-8"); 
// now, split it manually and correct, using the utf-8 specifications you 
// can find in the link I gave you to wiki. 

Answer 2

下面是一个简单的代码可以做到这一点：

List<string> SplitString(String input, int length) 
{ 
    var splitedList = new List<string>(); 

    string block = ""; 
    var arabicBlock = ""; 

    foreach (char c in input) 
    { 
     if (block.Length + arabicBlock.Length > length - 1) 
     { 
      splitedList.Add(block); 
      block = ""; 
     } 

     var b = (int) c; 
     // check here if charachter is arabic 
     // this is a sample, or you can use 'IsArabicChar' 
     //if (b > 6000) 
     if(IsArabicChar(c)) 
     { 
      arabicBlock += c.ToString(); 
     } 
     else 
     { 
      block += arabicBlock + c; 
      arabicBlock = ""; 
     } 
    } 
    return splitedList; 
} 

IsArabicChar方法是有用的：

internal static bool IsArabicChar(Char character) 
{ 
    if (character >= 0x600 && character <= 0x6ff) 
     return true; 

    if (character >= 0x750 && character <= 0x77f) 
     return true; 

    if (character >= 0xfb50 && character <= 0xfc3f) 
     return true; 

    if (character >= 0xfe70 && character <= 0xfefc) 
     return true; 

    return false; 
}