java中如何从字符串中删选中文字符（GBK编码和UTF-8编码）

1.GBK编码中文占两个字节，英文占一个字节。下面进行一个小的程序的测试：

<span style="font-size:24px;">import java.io.UnsupportedEncodingException;


public class TestMain{
	
	public static void main(String[] args) throws UnsupportedEncodingException
	{
		String str = "a二bcde";
		byte[] by = str.getBytes("GBK");
		System.out.print(by.length);
		
		for(byte b: by)
			System.out.print(b+"$$$");
	}
}</span>

输出为：797$$$-74$$$-2$$$98$$$99$$$100$$$101$$$

这里我们注意上面字符串中的中文字符被转换为两个byte，输出是都为负数

所以我们可以用byte[i] < 0判断是否为中文字符，如果是GBK编码那么，只要找到第一个byte[i]小于零的位置，连续连个位置即为中文字符。

2.UTF-8编码中文占三个字节，英文占两个字节。下面进行一小段程序的测试：

import java.io.UnsupportedEncodingException;


public class TestMain{
	
	public static void main(String[] args) throws UnsupportedEncodingException
	{
		String str = "a我bcde";
		byte[] by = str.getBytes("UTF-8");
		System.out.print(by.length);
		
		for(byte b: by)
			System.out.print(b+"$$$");
	}
}

输出为：897$$$-26$$$-120$$$-111$$$98$$$99$$$100$$$101$$$故我们可以从第一个byte[i] < 0的位置连续取3个字节，然后转化为字符串即是我们想要的中文字符