計算字串長度看似簡單,但一旦牽涉中英混排就會出問題:中文一個字佔 3 個位元組,英文一個字佔 1 個,直接用 length 或位元組數都不準。以下提供兩種實測可用的寫法。
把字串轉成 C 字串後逐位元組走訪,遇到非零位元組就計一次,等於把「一個可見字元」正確地算成 1:
// 取得中英文混合字串的長度(方法一)
- (int)convertToInt:(NSString *)strtemp {
int strlength = 0;
char *p = (char *)[strtemp cStringUsingEncoding:NSUnicodeStringEncoding];
for (int i = 0; i < [strtemp lengthOfBytesUsingEncoding:NSUnicodeStringEncoding]; i++) {
if (*p) {
p++;
strlength++;
} else {
p++;
}
}
return strlength;
}
在 GB 18030 這套編碼下,一個中文佔 2 個位元組、一個英文字母佔 1 個位元組,因此可以先把字串轉成 NSData 再除以 2 的思維來看——實作上更乾脆的做法是直接取資料長度,如下:
// 取得中英文混合字串的長度(方法二)
- (NSInteger)getToInt:(NSString *)strtemp {
NSStringEncoding enc = CFStringConvertEncodingToNSStringEncoding(kCFStringEncodingGB_18030_2000);
NSData *da = [strtemp dataUsingEncoding:enc];
return [da length];
}
- (void)viewDidLoad {
[super viewDidLoad];
NSLog(@"--first-%i", [self convertToInt:@"123我愛你"]); // 方法一
NSLog(@"--second--%ld", [self getToInt:@"123我愛你"]); // 方法二
}
2015-10-19 15:36:43.730 --first-9 2015-10-19 15:36:43.736 --second--9
兩種寫法在這個案例上都得到 9,但原理不同:方法一是靠 Unicode 編碼中「高位元組非零」的特性來切字,方法二則是借用 GB 18030 的定寬特性。實務建議優先採用方法一,因為它不依賴特定編碼假設,也不必額外配置 NSData 物件;若專案本身已有大量 GB 系列編碼處理,方法二會更省事。
另外補充一個更現代的選擇:若在 iOS 9 以上,直接用 [str length] 搭配 NATextCheckingResult 不適合,改用 NSString 的 enumerateSubstringsInRange:options:usingBlock: 搭配 NSStringEnumerationByComposedCharacterSequences,可以正確處理 emoji 與組合字元,這是中英混排之外更進一步的長度計算方式。