什麼是跳過Unicode字符的最快方法

我想在UTF-16格式的文件中找到某些字符。什麼是跳過Unicode字符的最快方法

我知道我想跳過多少個字符。我正在使用TextReader.ReadBlock命令來讀取我想跳過的所有字符的臨時數組，但我相信設置位置會更快。我只是不知道如何確定新的職位。

任何想法如果您想要跳過多少個字符，跳到一個unicode文件中某個位置的最快方法是什麼？

2011-09-28 Nick

你的文件和跳過塊有多大？ –

他們得到了100兆字節 – Nick

由於utf-16編碼的問題，你不知道有多少cr/lf行結束字符跳過而沒有實際讀取文件。 –

跳過一個塊並不容易，這需要相對定位。

如果你可以計算下一個塊（從文件開始的偏移量）的begiining它是可行的：

 int nextPos = ...; 

     reader.DiscardBufferedData(); 
     reader.BaseStream.Position = nextPos; 
     line = reader.ReadLine();

您可能需要調整您的計算，因爲UTF-16文件可以有一個BOM （2個前導字節）。

2011-09-28 18:22:44

-1

考慮到這個os UTF-16而不是UTF-8（其中字符大小可以變化），每個字符有2個字節。所以要跳過x個字符，您必須跳過x * 2個字節。

2011-09-28 17:47:37 Tigran

UTF-16也可以包含pseuo對（4字節/字符）。非常不可能，但仍然。你將不得不同步TexReader和流，棘手。 –

只有當你忽略組合字符，代理等時，這纔是真實的。 –

@亨克：我知道的代理項目在.NET中分爲2個字節，每個字節2個字節。所以他們應該「符合」一般規則。 – Tigran

回答