Java中1个char类型的变量可存储任意编码的1个字符,如1个ASC码和或1个中文字符,例如:含有3个ASC和含有3个汉字字符的字符串长度是一样的:
"1ac" .length () == 3 ;
"你好a" .length () = 3 ;
但上述两个字符串所占的byte是不一样的,前者是3,后者是5(1个汉字2byte)。
请编写函数:
public static String leftStr ( String source, int maxByteLen )
从source中取最大maxByteLen个byte的子串。当最后一个byte恰好为一个汉字的前半个字节时,舍弃此byte。例如:
String str= "我LRW爱JAVA" ;
leftStr ( str, 1 ) == "" ;
leftStr ( str, 2 ) == "我" ;
leftStr ( str, 4 ) == "我LR" ;
leftStr ( str, 11 ) == "我LRW" ;
或者,当最后一个byte恰好为一个汉字的前半个字节时,补全汉字(多截取一个byte)。例如:
String str= "我LRW爱JAVA" ;
leftStr ( str, 1 ) == "我" ;
leftStr ( str, 2 ) == "我" ;
leftStr ( str, 4 ) == "我LR" ;
leftStr ( str, 11 ) == "我LRW爱" ;
一种做法是依次判断每一个字符是否为中文。(参考http://zangweiren.javaeye.com/blog/216005 中的四)
在此考虑另一种解决办法。因为汉字只涉及到最后一个字节,当最后一个字节是汉字的前半个字节时需要特殊处理,所以就围绕“怎么判断最后一个字节是汉字的前半个字节 ”进行考虑。单独来讲,是无法判定一个字节到底是不是一个汉字的前半个字节,但可以判断出是否是字串中某个汉字的前半个字节。汉字为:“/u4e00-/u9fa5 ”(未考证)
解决办法就是:将截取的最后一个字节与紧跟在后面的一个字节进行组合(考虑后面已经没字节的情况),判断组合出来的一个字符是否包含在原字符串中:如果包含,则说明是前半个汉字;如果不包含,则说明不是前半个汉字。(应该也无法区分汉字、韩文、日文)。
以“我LRW爱JAVA”为例。其getBytes()(使用默认的字符集)得到的二进制码为:CED2 4C 52 57 B0AE 4A 41 56 41 。
截取前1个字节时,为“CE”,那么就判断“CED2”是否是前半个汉字,用“CED2”构造一个字符出来(亦使用默认字符集),判断构造出来的字符是否包含在原字串中。发现构造出来的字符是“我”,显然包含在原字串中,所以是前半个汉字。
截取前2个字节时,为“CED2”(就是“我”字),那么就判断“D2”是否是前半个汉字,用“D24C”构造一个字符出来(亦使用默认字符集),发现构造出来的字符是“襆”,显然不包含在原字串中,所以不是前半个汉字。
判断出来了最后一个字节是否为前半个汉字后就很容易处理了,一种是舍弃最后一个字节,一种是加多一个字节,以便保证汉字的完整。
所有过程均采用默认字符集,绕过了不同字符集编码不同的影响。
完整源码如下:
/**
* Java中1个char类型的变量可存储任意编码的1个字符,如1个ASC码和或1个中文字符,
* 例如:含有3个ASC和含有3个汉字字符的字符串长度是一样的: "1ac".length()==3; "你好a".length()=3;
* 但上述两个字符串所占的byte是不一样的,前者是3,后者是5(1个汉字2byte)。
* 请编写函数:
* public static String leftStr(String source, int maxByteLen)
* 从source中取最大maxByteLen个byte的子串。
* 当最后一个byte恰好为一个汉字的前半个字节时,舍弃此byte。例如:
* String str="我LRW爱JAVA";
* leftStr(str,1,-1)=="";
* leftStr(str,2,-1)=="我";
* leftStr(str,4,-1)=="我LR";
* leftStr(str,11,-1)=="我LRW";
* 当最后一个byte恰好为一个汉字的前半个字节时,补全汉字(多取一个字节)。例如:
* String str="我LRW爱JAVA";
* leftStr(str,1,1)=="我";
* leftStr(str,2,1)=="我";
* leftStr(str,4,1)=="我LR";
* leftStr(str,11,1)=="我LRW爱";
*
* @param source 原始字符串
* @param maxByteLen 截取的字节数
* @param flag 表示处理汉字的方式。1表示遇到半个汉字时补全,-1表示遇到半个汉字时舍弃
* @return 截取后的字符串
*/
public static String leftStr ( String source, int maxByteLen, int flag ){
if ( source == null || maxByteLen <= 0 ){
return "" ;
}
byte [] bStr = source.getBytes () ;
if ( maxByteLen >= bStr.length ) return source;
String cStr = new String ( bStr, maxByteLen - 1 , 2 ) ;
if ( cStr.length () == 1 && source.contains ( cStr )){
maxByteLen += flag;
}
return new String ( bStr, 0 , maxByteLen ) ;
}