java按字节截取带有汉字的字符串的解法(推荐)

时间:2022-06-30 10:17:09

由于接口使用的oracle字段长度为固定字节数,然后传进来的字符串估计比数据库字段的总字节数要大,那么截取小于数据库字节数的字符串。

自己参考网上的例子,整了个递归调用就可以了,因为截取的字符字节长度必须小与数据库的字节长度,即如果最后一个字符为汉字,那么只能去掉往前截取。

?
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
/**
   * 判断传进来的字符串,是否
   * 大于指定的字节,如果大于递归调用
   * 直到小于指定字节数 ,一定要指定字符编码,因为各个系统字符编码都不一样,字节数也不一样
   * @param s
   *      原始字符串
   * @param num
   *      传进来指定字节数
   * @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面试题:

编写一个截取字符串的函数,输入为一个字符串和字节数,输出为按字节截取的字符串。但是要保证汉字不被截半个,如"我ABC"4,应该截为"我AB",输入"我ABC汉DEF",6,应该输出为"我ABC"而不是"我ABC+汉的半个"。

目前很多流行的语言,如C#、Java内部采用的都是 Unicode 16(UCS2)编码,在这种编码中所有的字符都是两个字符,因此,如果要截取的字符串是中、英文、数字混合的,就会产生问题,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";

上面的字符串既有汉字,又有英文字符和数字。如果要截取前6个字节的字符,应该是”a加b等",但如果用substring方法截取前6个字符就成了"a 加b等于c"。产生这个问题的原因是将substring方法将双字节的汉字当成一个字节的字符(UCS2字符)处理了。

英文字母和中文汉字在不同的编码格式下,所占用的字节数也是不同的,我们可以通过下面的例子来看看在一些常见的编码格式下,一个英文字母和一个中文汉字分别占用多少字节。

?
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
import java.io.UnsupportedEncodingException; 
 
public class EncodeTest { 
  /**
   * 打印字符串在指定编码下的字节数和编码名称到控制台
   
   * @param s
   *      字符串
   * @param encodingName
   *      编码格式
   */
  public static void printByteLength(String s, String encodingName) { 
    System.out.print("字节数:"); 
    try
      System.out.print(s.getBytes(encodingName).length); 
    } catch (UnsupportedEncodingException e) { 
      e.printStackTrace(); 
    
    System.out.println(";编码:" + encodingName); 
  
 
  public static void main(String[] args) { 
    String en = "A"
    String ch = "人"
 
    // 计算一个英文字母在各种编码下的字节数
    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(); 
 
    // 计算一个中文汉字在各种编码下的字节数
    System.out.println("中文汉字:" + 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"); 
  
}

运行结果如下:

1.英文字母:A
2.字节数:1;编码:GB2312
3.字节数:1;编码:GBK
4.字节数:1;编码:GB18030
5.字节数:1;编码:ISO-8859-1
6.字节数:1;编码:UTF-8
7.字节数:4;编码:UTF-16
8.字节数:2;编码:UTF-16BE
9.字节数:2;编码:UTF-16LE
10.中文汉字:人
11.字节数:2;编码:GB2312
12.字节数:2;编码:GBK
13.字节数:2;编码:GB18030
14.字节数:1;编码:ISO-8859-1
15.字节数:3;编码:UTF-8
16.字节数:4;编码:UTF-16
17.字节数:2;编码:UTF-16BE
18.字节数:2;编码:UTF-16LE

UTF-16BE和UTF-16LE是UNICODE编码家族的两个成员。UNICODE标准定义了UTF-8、UTF-16、UTF-32三种编码格式,共有UTF-8、UTF-16、UTF-16BE、UTF-16LE、UTF-32、UTF-32BE、UTF-32LE七种编码方案。JAVA所采用的编码方案是UTF-16BE。从上例的运行结果中我们可以看出,GB2312、GBK、GB18030三种编码格式都可以满足题目的要求。下面我们就以GBK编码为例来进行解答。

我们不能直接使用String类的substring(int beginIndex, int endIndex)方法,因为它是按字符截取的。'我'和'Z'都被作为一个字符来看待,length都是1。实际上我们只要能区分开中文汉字和英文字母,这个问题就迎刃而解了,而它们的区别就是,中文汉字是两个字节,英文字母是一个字节。

?
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
package com.newyulong.iptv.billing.ftpupload;
 
import java.io.UnsupportedEncodingException;
 
public class CutString {
   /**
   * 判断是否是一个中文汉字
   *
   * @param c
   *      字符
   * @return true表示是中文汉字,false表示是英文字母
   * @throws UnsupportedEncodingException
   *       使用了JAVA不支持的编码格式
   */
  public static boolean isChineseChar(char c)
      throws UnsupportedEncodingException {
    // 如果字节数大于1,是汉字
    // 以这种方式区别英文字母和中文汉字并不是十分严谨,但在这个题目中,这样判断已经足够了
    return String.valueOf(c).getBytes("UTF-8").length > 1;
  }
 
  /**
   * 按字节截取字符串
   *
   * @param orignal
   *      原始字符串
   * @param count
   *      截取位数
   * @return 截取后的字符串
   * @throws UnsupportedEncodingException
   *       使用了JAVA不支持的编码格式
   */
  public static String substring(String orignal, int count)
      throws UnsupportedEncodingException {
    // 原始字符不为null,也不是空字符串
    if (orignal != null && !"".equals(orignal)) {
      // 将原始字符串转换为GBK编码格式
      orignal = new String(orignal.getBytes(), "UTF-8");//
     // System.out.println(orignal);
     //System.out.println(orignal.getBytes().length);
      // 要截取的字节数大于0,且小于原始字符串的字节数
      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)) {
            // 遇到中文汉字,截取字节总数减1
            --count;
          }
        }
      //  System.out.println(new String(buff.toString().getBytes("GBK"),"UTF-8"));
        return new String(buff.toString().getBytes(),"UTF-8");
      }
    }
    return orignal;
  }
 
  /**
   * 按字节截取字符串
   
   * @param orignal
   *      原始字符串
   * @param count
   *      截取位数
   * @return 截取后的字符串
   * @throws UnsupportedEncodingException
   *       使用了JAVA不支持的编码格式
   */
  public static String gsubstring(String orignal, int count) 
      throws UnsupportedEncodingException { 
    // 原始字符不为null,也不是空字符串 
    if (orignal != null && !"".equals(orignal)) { 
      // 将原始字符串转换为GBK编码格式 
      orignal = new String(orignal.getBytes(), "GBK"); 
      // 要截取的字节数大于0,且小于原始字符串的字节数 
      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)) { 
            // 遇到中文汉字,截取字节总数减1 
            --count; 
          
        
        return buff.toString(); 
      
    
    return orignal; 
  }
  
  /**
   * 判断传进来的字符串,是否
   * 大于指定的字节,如果大于递归调用
   * 直到小于指定字节数
   * @param s
   *      原始字符串
   * @param num
   *      传进来指定字节数
   * @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爱你们JAVA";
    System.out.println("原始字符串:" + s + " : 字节数是: " + 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字节:" + CutString.idgui(s, 11));
    
  
}

以上这篇java按字节截取带有汉字的字符串的解法(推荐)就是小编分享给大家的全部内容了,希望能给大家一个参考,也希望大家多多支持服务器之家。