在.NET中正確的計算出字串的長度

網際網路時至今日，早已經是一個地球村的概念，所有的資訊透過網際網路飛快的傳遞，讓語言的使用率與能見度都達到前所未有的境界，以目前來說全世界大概是對UTF-8編碼有共識，絕大部分的網站都是採用UTF-8編碼，而.NET內建的文字編碼是UTF-16，也就是說所有的文字在處理的過程中，都會以UTF-16來識別處理。

字串長度（文字長度）的基本計算 / String.Length

有些時刻我們必須針對字串進行長度計算，通常用於報表或是填補字串 Pad上，錯誤的字元數量計算可能會造成錯誤的結果，而偏偏進入到Unicode時代後，中文字的編碼是以一種變動的型態來進行編碼，有些常用的中文字元落在BMP（Basic Multilingual Plane），那麼就可以被正確的計算成一個字，例如：張的UTF-16編碼是0x5F35。而有些罕見自可能會若在SIP（Supplementary Ideographic Plane），那麼這時候C#採用String.Length計算就會出錯，被計算成兩個字元。例如：𡩋的UTF-16編碼是0xD846 0xDE4B。

字串長度（文字長度）的仔細計算

可以使用.NET的System.Globalization.StringInfo類別來輔助，程式碼如下：

string cDemo = "張鈞𡩋";
Console.WriteLine($"錯誤的長度：{cDemo.Length}");

var oSI = new System.Globalization.StringInfo(cDemo);
Console.WriteLine($"正確的長度：{oSI.LengthInTextElements}");

輸出的結果：

錯誤的長度：4 //𡩋的長度算錯了
正確的長度：3

透過上面的方法，可以更精準的計算出中文字正確的長度，就算是中英文混雜也適用。但倘落涉及到使用到菲茨派屈克修飾符（EMOJI MODIFIER FITZPATRICK）的Emojis，那麼計算就可能又變得不正確了。不過這個問題還好，畢竟沒有人會用Emojis當作名字吧？（好啦，或許未來有可能）

string cDemo = "🍖🧒🏿";
Console.WriteLine($"錯誤的長度：{cDemo.Length}");

var oSI = new System.Globalization.StringInfo(cDemo);
Console.WriteLine($"正確的長度：{oSI.LengthInTextElements}");

輸出的結果：

錯誤的長度：6
正確的長度：3

從上面的輸出結果發現很顯然是錯誤的，正確的長度應該是２才對。🍖其實有被正確的計算成1。但是🧒🏿因為涉及到修飾符，所以計算就錯誤了，被錯誤的計算成2。

相關參考

.NET .NetFramework .NetCore string length count CJK emojis