搜索 byte[] 以查找模式 C#答案

【问题标题】：Search byte[] for pattern C#搜索 byte[] 以查找模式 C#
【发布时间】：2010-12-15 10:32:03
【问题描述】：

_documentContent 包含整个文档作为 html 视图源。 patternToFind 包含要在 _documentContent 中搜索的文本。

如果语言是英语，下面的代码 sn-p 可以正常工作。但是，当遇到像韩语这样的语言时，相同的代码根本不起作用。

样本文件

现在时

现在时与你所学的一样。您采用动词的字典形式，去掉다，添加适当的结尾。

먹다 - 먹 + 어요 = 먹어요
마시다 - 마시 + 어요 - 마시어요 - 마셔요。

这个时态用来表示现在发生的事情。我吃。我喝。它是现在的总称。

当我试图找到 먹 时，下面的代码会失败。

有人可以提出一些解决方案

using System;
using System.Collections.Generic;
using System.Text;

namespace MultiByteStringHandling
{
    class Program
    {
        static void Main(string[] args)
        {
            string _documentContent = @"먹다 - 먹 + 어요 = 먹어요";
            byte[] patternToFind = Encoding.UTF8.GetBytes("먹");
            byte[] DocumentBytes = Encoding.UTF8.GetBytes(_documentContent);

            int intByteOffset = indexOf(DocumentBytes, patternToFind);
            Console.WriteLine(intByteOffset.ToString());
        }
        public int indexOf(byte[] data, byte[] pattern)
        {
            int[] failure = computeFailure(pattern);

            int j = 0;
            if (data.Length == 0) return 0;

            for (int i = 0; i < data.Length; i++)
            {
                while (j > 0 && pattern[j] != data[i])
                {
                    j = failure[j - 1];
                }
                if (pattern[j] == data[i])
                {
                    j++;
                }
                if (j == pattern.Length)
                {
                    return i - pattern.Length + 1;
                }
            }
            return -1;
        }
        /**
         * Computes the failure function using a boot-strapping process,
         * where the pattern is matched against itself.
         */
        private int[] computeFailure(byte[] pattern)
        {
            int[] failure = new int[pattern.Length];

            int j = 0;
            for (int i = 1; i < pattern.Length; i++)
            {
                while (j > 0 && pattern[j] != pattern[i])
                {
                    j = failure[j - 1];
                }
                if (pattern[j] == pattern[i])
                {
                    j++;
                }
                failure[i] = j;
            }

            return failure;
        }
    }
}

【问题讨论】：

请使用失败的示例文档/模式更新代码。我将进行编辑以从问题中删除对 WinForms 的引用，因为它显然与 WinForms 本身没有任何关系。
在处理带有韩文字符的内容时，是否可以手动查看 byte[] 数据中的 byte[] 模式？输入文件真的是 UTF-8 还是 ANSI 代码页或类似文件？
有什么特别的原因要将字符串转换为字节数组，而不是仅仅做_documentContent.IndexOf("data")？
我有一份韩文文档，我需要在文档中搜索韩文文本。该文件确实包含英文的某些部分。这就是为什么我尝试使用字节数组来做到这一点。
.NET 中的字符串在内存中是 unicode，所以它应该能够搜索韩文文本就好了。您是否尝试过使用 .IndexOf？

标签： c# winforms search bytearray

【解决方案1】：

说真的，为什么不直接执行以下操作？

var indexFound = documentContent.IndexOf("data");

当原始数据是文本时，将字符串转换为字节数组然后搜索这些对我来说没有多大意义。如果你愿意，你总能找到后面的字节位置。

【讨论】：

【解决方案2】：

UTF-8 是一种可变的多字节格式。在韩语数据中搜索英文文本永远不会匹配直接模式匹配。如果您正在扫描文本，最好使用 .IndexOf(pattern) [正如Noldorin 指出的那样] 或 .Contains(pattern)。

【讨论】：