字符串（String）杂谈

（六）字符串（String）杂谈
关键字: java 面试题 字符串 string
作者：臧圩人（zangweiren）发布时间：2008-07-18
网址：http://zangweiren.javaeye.com
>>>转载请注明出处！<<<
上一次我们已经一起回顾了面试题中常考的到底创建了几个 String 对象的相关知识，这一次
我们以几个常见面试题为引子，来回顾一下 String 对象相关的其它一些方面。
String 的 length()方法和数组的 length 属性
String 类有 length()方法吗？数组有 length()方法吗？
String 类当然有 length()方法了，看看 String 类的源码就知道了，这是这个方法的定义：
Java 代码
public int length() {
 return count;
}
String 的长度实际上就是它的属性--char 型数组 value 的长度。数组是没有 length()方法的，
大家知道，在 JAVA 中，数组也被作为对象来处理，它的方法都继承自 Object 类。数组有一
个属性 length，这也是它唯一的属性，对于所有类型的数组都是这样。
中文汉字在 char 中的保存一个中文汉字能保存在一个 char 类型里吗？
请看下面的例子：
Java 代码
public class ChineseTest {
public static void main(String[] args) {
// 将一个中文汉字赋值给一个 char 变量
char a = '中';
char b = '文';
char c = '测';
char d = '试';
char e = '成';
char f = '功';
System.out.print(a);
System.out.print(b);
System.out.print(c);
System.out.print(d);
System.out.print(e);
System.out.print(f);
}
}
编译没有报错，运行结果：
 1. 中文测试成功
答案就不用说了。为什么一个中文汉字可以保存在一个 char 变量里呢？因为在 JAVA 中，一
个 char 是 2 个字节（byte），而一个中文汉字是一个字符，也是 2 个字节。而英文字母都是
一个字节的，因此它也能保存到一个 byte 里，一个中文汉字却不能。请看：
Java 代码
public class ChineseTest {
public static void main(String[] args) {
// 将一个英文字母赋值给一个 byte 变量
byte a = 'a';
// 将一个中文汉字赋值给一个 byte 变量时，编译会报错
// byte b = '中';
System.out.println("byte a = " + a);
// System.out.println("byte b = "+b);
}
}
运行结果：
 1. byte a = 97
正如大家所看到的那样，我们实际上是把字符'a'对应的 ASCII 码值赋值给了 byte 型变量 a。
让我们回过头来看看最初的例子，能不能将 a、b、c、d、e、f 拼接在一起一次输出呢？让我
们试试看：
Java 代码
public class ChineseTest {
public static void main(String[] args) {
// 将一个中文汉字赋值给一个 char 变量
char a = '中';
char b = '文';
char c = '测';
char d = '试';
char e = '成';
char f = '功';
System.out.print(a + b + c + d + e + f);
}
}
运行结果：
• 156035
这显然不是我们想要的结果。只所以会这样是因为我们误用了“+”运算符，当它被用于字符
串和字符串之间，或者字符串和其他类型变量之间时，它产生的效果是字符串的拼接；但当
它被用于字符和字符之间时，效果等同于用于数字和数字之间，是一种算术运算。因此我们
得到的“156035”是'中'、'文 '、'测'、'试'、'成'、'功'这六个汉字分别对应的数值算术相加后的
结果。
字符串的反转输出
这也是面试题中常考的一道。我们就以一个包含了全部 26 个英文字母，同时又具有完整含
义的最短句子作为例子来完成解答。先来看一下这个句子：
引用
A quick brown fox jumps over the lazy dog.（一只轻巧的棕色狐狸从那条懒狗身上跳了过去。）
最常用的方式就是反向取出每个位置的字符，然后依次将它们输出到控制台：
Java 代码
public class StringReverse {
public static void main(String[] args) {
// 原始字符串
String s = "A quick brown fox jumps over the lazy dog.";
System.out.println("原始的字符串：" + s);
System.out.print("反转后字符串：");
for (int i = s.length(); i > 0; i--) {
System.out.print(s.charAt(i - 1));
}
// 也可以转换成数组后再反转，不过有点多此一举
char[] data = s.toCharArray();
System.out.println();
System.out.print("反转后字符串：");
for (int i = data.length; i > 0; i--) {
System.out.print(data[i - 1]);
}
}
}
运行结果：
 1. 原始的字符串：A quick brown fox jumps over the lazy dog.
 2. 反转后字符串：.god yzal eht revo spmuj xof nworb kciuq A
 3. 反转后字符串：.god yzal eht revo spmuj xof nworb kciuq A
以上两种方式虽然常用，但却不是最简单的方式，更简单的是使用现有的方法：
Java 代码
public class StringReverse {
public static void main(String[] args) {
// 原始字符串
String s = "A quick brown fox jumps over the lazy dog.";
System.out.println("原始的字符串：" + s);
System.out.print("反转后字符串：");
StringBuffer buff = new StringBuffer(s);
// java.lang.StringBuffer 类的 reverse()方法可以将字符串反转
System.out.println(buff.reverse().toString());
}
}
运行结果：
 1. 原始的字符串：A quick brown fox jumps over the lazy dog.
 2. 反转后字符串：.god yzal eht revo spmuj xof nworb kciuq A
按字节截取含有中文汉字的字符串
要求实现一个按字节截取字符串的方法，比如对于字符串"我 ZWR 爱 JAVA"，截取它的前四
位字节应该是"我 ZW"，而不是"我 ZWR"，同时要保证不会出现截取了半个汉字的情况。
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
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.
 11. 中文汉字：人
 12. 字节数：2;编码：GB2312
 13. 字节数：2;编码：GBK
 14. 字节数：2;编码：GB18030
 15. 字节数：1;编码：ISO-8859-1
 16. 字节数：3;编码：UTF-8
 17. 字节数：4;编码：UTF-16
 18. 字节数：2;编码：UTF-16BE
 19. 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。
如果我们直接按照字节截取会出现什么情况呢？我们来测试一下：
Java 代码
import java.io.UnsupportedEncodingException;

public class CutString {
 public static void main(String[] args) throws UnsupportedEncodingException {
 String s = "我 ZWR 爱 JAVA";
 // 获取 GBK 编码下的字节数据
 byte[] data = s.getBytes("GBK");
 byte[] tmp = new byte[6];
 // 将 data 数组的前六个字节拷贝到 tmp 数组中
 System.arraycopy(data, 0, tmp, 0, 6);
 // 将截取到的前六个字节以字符串形式输出到控制台
 s = new String(tmp);
 System.out.println(s);
 }
}
输出结果：
 1. 我 ZWR?
在截取前六个字节时，第二个汉字“爱”被截取了一半，导致它无法正常显示了，这样显然
是有问题的。
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。
Java 代码
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("GBK").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(), "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++) {
// charAt(int index)也是按照字符来分解字符串的
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;
}
public static void main(String[] args) {
// 原始字符串
String s = "我 ZWR 爱 JAVA";
System.out.println("原始字符串：" + s);
try {
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 6 位：" + CutString.substring(s, 6));
} catch (UnsupportedEncodingException e) {
e.printStackTrace();
}
}
}
运行结果：
 1. 原始字符串：我 ZWR 爱 JAVA
 2. 截取前 1 位：我
 3. 截取前 2 位：我
 4. 截取前 4 位：我 ZW
 5. 截取前 6 位：我 ZWR 爱

转载于:https://www.cnblogs.com/JimCalark/p/6931113.html