有效地读取固定长度的UTF-8字符串

本文关键字：UTF-8 字符串 读取 有效地 | 更新日期: 2023-09-27 18:15:12

我有一个类似数据模型的表:

fieldA (10 chracters UTF-8)

fieldB(12 characters UTF-8)

fieldC (11 characters UTF-8)

每个字段都是固定长度并写入文件(磁盘上的本地文件)，不使用UTF-8编码(使用StreamWriter写入)的任何分隔符。生成的文件如下所示:

fieldAfieldBfieldCfieldAfieldBfieldC [...]

我也知道记录的数量，可以使用BaseStream.Seek()来随机访问文件。

假设，我想读取第29条记录并填充我的数据模型，什么是有效(快速)的方法?我可以使用StreamReader和读取单个字符，但这不是问题，因为UTF-8?我不想在我的数据中添加逗号并使用字符串分割方法-我希望c#中有更好的方法。

这不是用于生产使用，欢迎疯狂和微优化:)

谢谢你的帮助!

有效地读取固定长度的UTF-8字符串

您可以查找到文件中的适当位置，然后使用FileStream.Read()读取适当数量的UTF8字符，然后通过以下方式将其转换为c#字符串:

string s = Encoding.UTF8.GetString(buffer, 0, buffer.Length);

或者您可以使用以正确编码打开的StreamReader，然后使用StreamReader.Read(char[] buffer, int index, int count)读取正确数量的字符(在寻找正确的位置之后)。

这只会工作，如果你确实可以寻求正确的地方，正如你在OP中所说的!

阅读关于变长utf8编码字符的注释!

由于utf8是可变宽度编码(即使用可变字节数来表示不同的字符)，您几乎没有选择，只能从头开始扫描。

如果你想计算并跳转到偏移量，你需要使用固定大小的编码，即UTF-32

每个字段都是固定长度并写入一个文件(磁盘上的本地文件)，不使用任何分隔符以UTF-8编码(使用StreamWriter写入)。

你说你的字段是固定长度的。这意味着文件中的fieldA始终是10字节(不管实际内容如何)，fieldB始终是12字节，fieldC始终是11字节。

由于上述原因，文本是UTF-8与问题无关。

如果你打开System.IO。流中，您可以看到不想读取的每个字段的字节。例如，如果您想读取fieldC，那么您可以提前查找22字节(跳过fieldA和fieldB):

stream.Seek(22, SeekOrigin.Current);

一旦你在正确的位置，你可以读取固定数量的字节，然后通过UTF-8解码这些字节到你的结果字符串。

相关文章：