java按字节截取带有汉字的字符串的解法(推荐)

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。

/** 
   * 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。

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。

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菜鸟教程(cainiaojc.com)。