java按字節(jié)截取帶有漢字的字符串的解法(推薦)

更新時間：2016年09月06日 14:30:31 投稿：jingxian

下面小編就為大家?guī)硪黄猨ava按字節(jié)截取帶有漢字的字符串的解法(推薦)。小編覺得挺不錯的，現(xiàn)在就分享給大家，也給大家做個參考。一起跟隨小編過來看看吧

由于接口使用的oracle字段長度為固定字節(jié)數(shù)，然后傳進來的字符串估計比數(shù)據庫字段的總字節(jié)數(shù)要大，那么截取小于數(shù)據庫字節(jié)數(shù)的字符串。

自己參考網上的例子，整了個遞歸調用就可以了，因為截取的字符字節(jié)長度必須小與數(shù)據庫的字節(jié)長度，即如果最后一個字符為漢字，那么只能去掉往前截取。

/** 
   * 判斷傳進來的字符串，是否 
   * 大于指定的字節(jié)，如果大于遞歸調用
   * 直到小于指定字節(jié)數(shù) ，一定要指定字符編碼，因為各個系統(tǒng)字符編碼都不一樣，字節(jié)數(shù)也不一樣 
   * @param s 
   *      原始字符串 
   * @param num 
   *      傳進來指定字節(jié)數(shù) 
   * @return String 截取后的字符串 

   * @throws UnsupportedEncodingException 
   */ 
  public static String idgui(String s,int num)throws Exception{
    int changdu = s.getBytes("UTF-8").length;
    if(changdu > num){
      s = s.substring(0, s.length() - 1);
      s = idgui(s,num);
    }
    return s;
  }

java面試題：

編寫一個截取字符串的函數(shù)，輸入為一個字符串和字節(jié)數(shù)，輸出為按字節(jié)截取的字符串。但是要保證漢字不被截半個，如"我ABC"4，應該截為"我AB"，輸入"我ABC漢DEF"，6，應該輸出為"我ABC"而不是"我ABC+漢的半個"。

目前很多流行的語言，如C#、Java內部采用的都是 Unicode 16（UCS2）編碼，在這種編碼中所有的字符都是兩個字符，因此，如果要截取的字符串是中、英文、數(shù)字混合的，就會產生問題，如下面的字符串：

String s = "a加b等于c，如果a等1、b等于2，那么c等3";

上面的字符串既有漢字，又有英文字符和數(shù)字。如果要截取前6個字節(jié)的字符，應該是”a加b等"，但如果用substring方法截取前6個字符就成了"a 加b等于c"。產生這個問題的原因是將substring方法將雙字節(jié)的漢字當成一個字節(jié)的字符（UCS2字符）處理了。

英文字母和中文漢字在不同的編碼格式下，所占用的字節(jié)數(shù)也是不同的，我們可以通過下面的例子來看看在一些常見的編碼格式下，一個英文字母和一個中文漢字分別占用多少字節(jié)。

import java.io.UnsupportedEncodingException;  
 
public class EncodeTest {  
  /** 
   * 打印字符串在指定編碼下的字節(jié)數(shù)和編碼名稱到控制臺 
   *  
   * @param s 
   *      字符串 
   * @param encodingName 
   *      編碼格式 
   */ 
  public static void printByteLength(String s, String encodingName) {  
    System.out.print("字節(jié)數(shù)：");  
    try {  
      System.out.print(s.getBytes(encodingName).length);  
    } catch (UnsupportedEncodingException e) {  
      e.printStackTrace();  
    }  
    System.out.println(";編碼：" + encodingName);  
  }  
 
  public static void main(String[] args) {  
    String en = "A";  
    String ch = "人";  
 
    // 計算一個英文字母在各種編碼下的字節(jié)數(shù) 
    System.out.println("英文字母：" + en);  
    EncodeTest.printByteLength(en, "GB2312");  
    EncodeTest.printByteLength(en, "GBK");  
    EncodeTest.printByteLength(en, "GB18030");  
    EncodeTest.printByteLength(en, "ISO-8859-1");  
    EncodeTest.printByteLength(en, "UTF-8");  
    EncodeTest.printByteLength(en, "UTF-16");  
    EncodeTest.printByteLength(en, "UTF-16BE");  
    EncodeTest.printByteLength(en, "UTF-16LE");  
 
    System.out.println();  
 
    // 計算一個中文漢字在各種編碼下的字節(jié)數(shù) 
    System.out.println("中文漢字：" + ch);  
    EncodeTest.printByteLength(ch, "GB2312");  
    EncodeTest.printByteLength(ch, "GBK");  
    EncodeTest.printByteLength(ch, "GB18030");  
    EncodeTest.printByteLength(ch, "ISO-8859-1");  
    EncodeTest.printByteLength(ch, "UTF-8");  
    EncodeTest.printByteLength(ch, "UTF-16");  
    EncodeTest.printByteLength(ch, "UTF-16BE");  
    EncodeTest.printByteLength(ch, "UTF-16LE");  
  }  
}

運行結果如下：

1.英文字母：A
2.字節(jié)數(shù)：1;編碼：GB2312
3.字節(jié)數(shù)：1;編碼：GBK
4.字節(jié)數(shù)：1;編碼：GB18030
5.字節(jié)數(shù)：1;編碼：ISO-8859-1
6.字節(jié)數(shù)：1;編碼：UTF-8
7.字節(jié)數(shù)：4;編碼：UTF-16
8.字節(jié)數(shù)：2;編碼：UTF-16BE
9.字節(jié)數(shù)：2;編碼：UTF-16LE
10.中文漢字：人
11.字節(jié)數(shù)：2;編碼：GB2312
12.字節(jié)數(shù)：2;編碼：GBK
13.字節(jié)數(shù)：2;編碼：GB18030
14.字節(jié)數(shù)：1;編碼：ISO-8859-1
15.字節(jié)數(shù)：3;編碼：UTF-8
16.字節(jié)數(shù)：4;編碼：UTF-16
17.字節(jié)數(shù)：2;編碼：UTF-16BE
18.字節(jié)數(shù)：2;編碼：UTF-16LE

UTF-16BE和UTF-16LE是UNICODE編碼家族的兩個成員。UNICODE標準定義了UTF-8、UTF-16、UTF-32三種編碼格式，共有UTF-8、UTF-16、UTF-16BE、UTF-16LE、UTF-32、UTF-32BE、UTF-32LE七種編碼方案。JAVA所采用的編碼方案是UTF-16BE。從上例的運行結果中我們可以看出，GB2312、GBK、GB18030三種編碼格式都可以滿足題目的要求。下面我們就以GBK編碼為例來進行解答。

我們不能直接使用String類的substring(int beginIndex, int endIndex)方法，因為它是按字符截取的。'我'和'Z'都被作為一個字符來看待，length都是1。實際上我們只要能區(qū)分開中文漢字和英文字母，這個問題就迎刃而解了，而它們的區(qū)別就是，中文漢字是兩個字節(jié)，英文字母是一個字節(jié)。

package com.newyulong.iptv.billing.ftpupload;

import java.io.UnsupportedEncodingException;

public class CutString {
   /** 
   * 判斷是否是一個中文漢字 
   * 
   * @param c 
   *      字符 
   * @return true表示是中文漢字，false表示是英文字母 
   * @throws UnsupportedEncodingException 
   *       使用了JAVA不支持的編碼格式 
   */ 
  public static boolean isChineseChar(char c) 
      throws UnsupportedEncodingException { 
    // 如果字節(jié)數(shù)大于1，是漢字 
    // 以這種方式區(qū)別英文字母和中文漢字并不是十分嚴謹，但在這個題目中，這樣判斷已經足夠了 
    return String.valueOf(c).getBytes("UTF-8").length > 1; 
  } 
 
  /** 
   * 按字節(jié)截取字符串 
   * 
   * @param orignal 
   *      原始字符串 
   * @param count 
   *      截取位數(shù) 
   * @return 截取后的字符串 
   * @throws UnsupportedEncodingException 
   *       使用了JAVA不支持的編碼格式 
   */ 
  public static String substring(String orignal, int count) 
      throws UnsupportedEncodingException { 
    // 原始字符不為null，也不是空字符串 
    if (orignal != null && !"".equals(orignal)) { 
      // 將原始字符串轉換為GBK編碼格式 
      orignal = new String(orignal.getBytes(), "UTF-8");//
     // System.out.println(orignal);
     //System.out.println(orignal.getBytes().length);
      // 要截取的字節(jié)數(shù)大于0，且小于原始字符串的字節(jié)數(shù) 
      if (count > 0 && count < orignal.getBytes("UTF-8").length) { 
        StringBuffer buff = new StringBuffer(); 
        char c; 
        for (int i = 0; i < count; i++) {
          System.out.println(count);
          c = orignal.charAt(i); 
          buff.append(c); 
          if (CutString.isChineseChar(c)) { 
            // 遇到中文漢字，截取字節(jié)總數(shù)減1 
            --count; 
          } 
        } 
      //  System.out.println(new String(buff.toString().getBytes("GBK"),"UTF-8"));
        return new String(buff.toString().getBytes(),"UTF-8"); 
      } 
    } 
    return orignal; 
  } 
 
  /** 
   * 按字節(jié)截取字符串 
   *  
   * @param orignal 
   *      原始字符串 
   * @param count 
   *      截取位數(shù) 
   * @return 截取后的字符串 
   * @throws UnsupportedEncodingException 
   *       使用了JAVA不支持的編碼格式 
   */ 
  public static String gsubstring(String orignal, int count)  
      throws UnsupportedEncodingException {  
    // 原始字符不為null，也不是空字符串  
    if (orignal != null && !"".equals(orignal)) {  
      // 將原始字符串轉換為GBK編碼格式  
      orignal = new String(orignal.getBytes(), "GBK");  
      // 要截取的字節(jié)數(shù)大于0，且小于原始字符串的字節(jié)數(shù)  
      if (count > 0 && count < orignal.getBytes("GBK").length) {  
        StringBuffer buff = new StringBuffer();  
        char c;  
        for (int i = 0; i < count; i++) {  
          c = orignal.charAt(i);  
          buff.append(c);  
          if (CutString.isChineseChar(c)) {  
            // 遇到中文漢字，截取字節(jié)總數(shù)減1  
            --count;  
          }  
        }  
        return buff.toString();  
      }  
    }  
    return orignal;  
  } 
  
  /** 
   * 判斷傳進來的字符串，是否 
   * 大于指定的字節(jié)，如果大于遞歸調用
   * 直到小于指定字節(jié)數(shù) 
   * @param s 
   *      原始字符串 
   * @param num 
   *      傳進來指定字節(jié)數(shù) 
   * @return String 截取后的字符串 
   */ 
  public static String idgui(String s,int num){
    int changdu = s.getBytes().length;
    if(changdu > num){
      s = s.substring(0, s.length() - 1);
      s = idgui(s,num);
    }
    return s;
  }
  
  public static void main(String[] args) throws Exception{ 
    // 原始字符串 
    String s = "我ZWR愛你們JAVA"; 
    System.out.println("原始字符串：" + s + " : 字節(jié)數(shù)是: " + s.getBytes().length); 

/*      System.out.println("截取前1位：" + CutString.substring(s, 1)); 
      System.out.println("截取前2位：" + CutString.substring(s, 2)); 
      System.out.println("截取前4位：" + CutString.substring(s, 4)); */ 
      //System.out.println("截取前12位：" + CutString.substring(s, 12)); 
      System.out.println("截取前12字節(jié)：" + CutString.idgui(s, 11)); 
    
  }  
}

以上這篇java按字節(jié)截取帶有漢字的字符串的解法(推薦)就是小編分享給大家的全部內容了，希望能給大家一個參考，也希望大家多多支持腳本之家。

您可能感興趣的文章: