背景
前些天,遇到这样一个问题,问题的内容如下:
要求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,截取后的效果应该为“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”。
问题
刚看到这个问题的时候,以为还是很简单的,但写出来之后,发现并不是想要的效果。回想一下当时的思路,就发现刚开始思考的时候,就没有考虑好,而且把汉字会导致的问题给忽略了,就这样没有一个完整的思路,就直接开始写代码了。大家可想而知,写出来的效果当然不会是你想要的了。
既然题目中已经要求了汉字存在时应该出现什么样的结果,那么我们就应该考虑,如何把英文和中文都统一成一种编码,而不是对它们进行单独的处理。设想一下,如果程序中对它们进行单独的处理,那么会出现什么样的问题呢?这个稍后再说。
实现
遇到这些问题之后,总得想办法解决吧,于是在网上找到了一种解决方案,主旨是,统一中英文的编码方式,即在GBK的编码方式下,把要截取的字符串转换为字节数组,此时,一个汉字就会转换为两个负数,例如,“我”就会转换为“-50, -46”。然后再针对截取到的负数的个数进行处理,就可以把汉字的问题解决了。
截取函数代码
<span style="font-family:Microsoft YaHei;font-size:12px;">/**
* 截取要点:
* 1. 首先将字符串转换成字节数组,再将字节数组的每个元素拿出来,判断有无负数(一个汉字为两个负数),即可知道有没有汉字
* 2. len:是将字符串转换成字节数组后,要截取的长度,如“我ABC你”的字节数组长度为7(-50,-46,65,66,67,-60,-29)
* ,而截取的是6(-50,-46,65,66,67,-60)
* 3. 对截取的字节数组(-50,-46,65,66,67,-60),统计负数的个数
* 4. String里的 substring 方法将双字节的汉字当成一个字节的字符(UCS2字符)
*
* @param str
* @param len
* @return
*/
public static String subString(String str, int len) {
// 判断字符串是否为空
if (str == null && "".equals(str)) {
return null;
}
// 将字符串中的char数组转换成指定编码方式的byte数组的函数
byte[] strBytes = null;
try {
strBytes = str.getBytes("GBK");
} catch (UnsupportedEncodingException e) {
e.printStackTrace();
}
// 得到字符串的长度
int strLen = strBytes.length;
// 判断截取字符串的长度是否在判断的范围内,否则返回原串
if (len >= strLen || len < 1) {
return str;
}
// 打印出字符串长度和截取的长度
System.out.println("strBytes.length = " + strBytes.length);
System.out.println("len = " + len);
int count = 0;
for (int i = 0; i < len; i++) {
// 将每个字节数组转换为整型数,以为后面根据值的正负来判断是否为汉字
int value = strBytes[i];
// System.out.println("strBytes[" + i + "] = " + strBytes[i] + ",");
System.out.println(value + ","); // 我ABC你 -50,-46,65,66,67,-60,-29
// 对于第一种情况:
// 注,一个函数转换成整型书就为两个负整数,上面的“我ABC你”,转换成整型数就为 -50,-46,65,66,67,-60,-29
// 但是 len=6,所以截取下来就是 -50,-46,65,66,67,-60,count就为3
// 如果是汉字(负),则统计截取字符串中的汉字所占字节数
if (value < 0) {
count++;
}
System.out.println("汉字字节码的数量为 " + count);
}
// 依据判断给定的字符串是否含有汉字,利用String类的substring()方法来截取不同的长度
// 根据所统计的字节数,判断截取到字符是否为半个汉字,奇数为半个汉字
if (count % 2 != 0) {
// 如果在截取长度为1时,则将该汉字取出,其他情况则不截取(截取字节长度数 - 截取汉字字节数/2 - 截取到的半个汉字的字节数)
len = (len == 1) ? len : len - count / 2 - 1; // len=6-3/2-1=4 我ABC
// System.out.println("count / 2 = " + count / 2);
System.out.println("处理后的len = " + len);
} else {
// 截取字符长度为字节长度 - 汉字所占字节长度 / 2 (汉字占两个字节)
len = len - (count / 2);
}
return str.substring(0, len);
}</span>
测试代码
<span style="font-family:Microsoft YaHei;font-size:12px;">/**
* @param args
*/
public static void main(String[] args) {
// 情况一
System.out.println("------------ 情况一 ------------");
String inStr = "我ABC你";
String str = subString(inStr, 6);
System.out.println(str); // 我ABC
// 情况二
System.out.println("------------ 情况二 ------------");
inStr = "我ABC汉DEF";
str = subString(inStr, 1);
System.out.println(str); // 我
// 情况三
System.out.println("------------ 情况三 ------------");
inStr = "我AB爱孩子CDEF";
str = subString(inStr, 9);
System.out.println(str); // 我AB爱孩
// 情况四
System.out.println("------------ 情况四 ------------");
inStr = "ABCDEF";
str = subString(inStr, 4);
System.out.println(str); // ABCD
}</span>
测试结果
思考
通过这个题目,给了我很多的启示,首先,在“下笔”之时,就应该考虑到灵活性的问题,虽然这里只是中英文的字符串截取,但是如果再增加一种其他语言呢?扩展性就没有那么好了,这也是上边所提到的问题。好的设计是一方面,代码的实现上,也要做到解耦合。同时,这也提醒了我,在考虑问题的时候,首先不能一头扎到细节中,而是先要有一个全局观,对整体有个全面的了解,将具体的问题抽象化、简单化,层层剖析;做完这一点之后,才是对具体的问题具体分析。