java按字节截取带有汉字的字符串的解法

您所在的位置:网站首页 java截取字符串中的一个字符 java按字节截取带有汉字的字符串的解法

java按字节截取带有汉字的字符串的解法

2024-07-17 13:37| 来源: 网络整理| 查看: 265

           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;     }

http://blog.csdn.net/yangyan19870319/article/details/6144131

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。

Java代码 复制代码 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:

英文字母:A 字节数:1;编码:GB2312 字节数:1;编码:GBK 字节数:1;编码:GB18030 字节数:1;编码:ISO-8859-1 字节数:1;编码:UTF-8 字节数:4;编码:UTF-16 字节数:2;编码:UTF-16BE 字节数:2;编码:UTF-16LE 中文汉字:人 字节数:2;编码:GB2312 字节数:2;编码:GBK 字节数:2;编码:GB18030 字节数:1;编码:ISO-8859-1 字节数:3;编码:UTF-8 字节数:4;编码:UTF-16 字节数:2;编码:UTF-16BE 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));               }    }

版权声明:本文为博主原创文章,未经博主允许不得转载。



【本文地址】


今日新闻


推荐新闻


    CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3