截取包含特殊字符的字符串
在工作中遇到一个问题,一段字符串正文中包含中文、Emoji表情、以及一些特殊符号,我们要对正文进行固定长度的截断,此时使用String的substring()进行截取操作,结果就有可能是乱码或者不符合要求因为JVM运行时使用UTF-16编码,对于普通的字符都是使用char类型存储(2个字节),而对于中文、emoji表情是用两个char存储(4个字节),substring是按照char截取的,有可能截取不全,从而导致乱码等问题出现,实际上Java也自带了特殊字符截取的方法offsetByCodePoints(int index,int codePointOffset);
(该方法返回此String 中从给定的 index 处偏移 codePointOffset 个Unicode代码点的索引),来辅助实现substring方法。
String source = "哈哈哈🐷👀sss🎈哦哦ddd😍📌sadfsdfj";
int codePointCount = source.codePointCount(0, emoji.length()); //返回指定文本中的Unicode代码点数
String subText = source.substring(0,source.offsetByCodePoints(0, codePointCount-2));