.net - 计算文件/流中的字符

Question

如何获取流/文件的字符长度（不是字节）？假设文件/流的编码是已知的（在运行时）。

我宁愿不将整个流加载到内存中，所以我反对使用TextReader.ReadToEnd()

Answer 1

除非编码是固定宽度的（每个字符的字节数相同 - 例如 ASCII 但不是 UTF-8），否则您需要读取整个文件 - 但它不需要在内存中。例如：

public long CountCharacters(TextReader reader)
{
    char[] buffer = new char[8 * 1024]; 
    long total = 0;
    int charsRead;
    while ((charsRead = reader.Read(buffer, 0, buffer.Length)) > 0)
    {
        total += charsRead;
    }
    return total;
}

像这样使用：

using (var reader = File.OpenText("file.txt", Encoding.UTF8))
{
    Console.WriteLine(CountCharacters(reader));
}

请注意，这将计算 UTF-16 代码单元，这与 Unicode 字符或可显示字形不太一样，但在大多数情况下它已经足够好了。（考虑组合字符和代理对等情况。）

Answer 2

这是我到目前为止所拥有的：

Stream stream = file.OpenRead("file.txt");
Encoding encoding = Encoding.Default; //or whatever

TextReader reader = new StreamReader(stream, encoding);
var buf = new char[4096];
long total=0;
long crt;
while ((crt = reader.Read(buf, 0, 4096)) > 0)
{
   total += crt;
}

return total;

Answer 3

这取决于编码。如果它是固定长度编码，则将字节长度除以字符大小，如果它是可变长度编码，则在处理文件之前不知道。