Java按字节长度截取字符串之二

 编程：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，应该截为"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"。

 

public static String substring(String str, int toCount,String more) 　　{ 　　int reInt = 0; 　　String reStr = ""; 　　if (str == null) 　　return ""; 　　char[] tempChar = str.toCharArray(); 　　for (int kk = 0; (kk < tempChar.length && toCount > reInt); kk++) { 　　String s1 = str.valueOf(tempChar[kk]); 　　byte[] b = s1.getBytes(); 　　reInt += b.length; 　　reStr += tempChar[kk]; 　　} 　　if (toCount == reInt || (toCount == reInt - 1)) 　　reStr += more; 　　return reStr; 　　}

 

Web应用程序在浏览器中显示字符串时，由于显示长度的限制，常常需要将字符串截取后再进行显示。但目前很多流行的语言，如C#、Java内部采用的都是 Unicode 16（UCS2）编码，在这种编码中所有的字符都是两个字符，因此，如果要截取的字符串是中、英文、数字混合的，就会产生问题，如下面的字符串：

　　String s = "a加b等于c，如果a等1、b等于2，那么c等3";

　　上面的字符串既有汉字，又有英文字符和数字。如果要截取前6个字节的字符，应该是”a加b等"，但如果用substring方法截取前6个字符就成了"a 加b等于c"。产生这个问题的原因是将substring方法将双字节的汉字当成一个字节的字符（UCS2字符）处理了。要解决这个问题的方法是首先得到该字符串的UCS2编码的字节数组，如下面的代码如下：

　　byte[] bytes = s.getBytes("Unicode");

　　由于上面生成的字节数组中前两个字节是标志位，bytes[0] = -2，bytes[1] = -1，因此，要从第三个字节开始扫描，对于一个英文或数字字符，UCS2编码的第二个字节是相应的ASCII，第一个字节是0，如a的UCS2编码是0  97，而汉字两个字节都不为0，因此，可以利于UCS2编码的这个规则来计算实际的字节数，该方法的实现代码如下：

public static String bSubstring(String s, int length) throws Exception 　　{ 　　byte[] bytes = s.getBytes("Unicode"); 　　int n = 0; // 表示当前的字节数 　　int i = 2; // 要截取的字节数，从第3个字节开始 　　for (; i < bytes.length && n < length; i++) 　　{ 　　// 奇数位置，如3、5、7等，为UCS2编码中两个字节的第二个字节 　　if (i % 2 == 1) 　　{ 　　n++; // 在UCS2第二个字节时n加1 　　} 　　else 　　{ 　　// 当UCS2编码的第一个字节不等于0时，该UCS2字符为汉字，一个汉字算两个字节 　　if (bytes[i] != 0) 　　{ 　　n++; 　　} 　　} 　　} 　　// 如果i为奇数时，处理成偶数 　　if (i % 2 == 1) 　　{ 　　// 该UCS2字符是汉字时，去掉这个截一半的汉字 　　if (bytes[i - 1] != 0) 　　i = i - 1; 　　// 该UCS2字符是字母或数字，则保留该字符 　　else 　　i = i + 1; 　　} 　　return new String(bytes, 0, i, "Unicode"); 　　}

下面代码使用了bSubstring方法：

　　String s = "a加b等于c，如果a等1、b等于2，那么c等3";

　　System.out.println(bSubstring(s, 6));

　　上面的代码截取的字符串是"a加b等"。