在java中,字符串“abcd”与字符串“ab你好”的长度是一样,都是四个字符。
但对应的字节数不同,一个汉字占两个字节。
定义一个方法,按照指定的字节数来取子串。
如:对于“ab你好”,如果取三个字节,那么子串就是ab与“你”字的半个,那么半个就要舍弃。如果取四个字节就是“ab你”,取五个字节还是“ab你”。
package cn.hucn.IO.Day4;
import java.io.UnsupportedEncodingException;
public class StringCut {
private StringCut() {
}
public static String cutStringByte(String str, int len) {
if (System.getProperty("file.encoding").equalsIgnoreCase("gbk")) {
return CutStringBGK(str, len);
}
if (System.getProperty("file.encoding").equalsIgnoreCase("utf-8")) {
return CutStringUTF8(str, len);
}
return "当前系统不支持中文";
}
public static String CutStringBGK(String str, int len) {//GBK汉字两个负数码值
try {
byte buf[] = str.getBytes("gbk");
int count = 0;
for (int i = len - 1; i >= 0; i--) {
if (buf[i] < 0) {
count++;
} else {
break;
}
}
if (count % 2 == 0) {
return new String(buf, 0, len, "gbk");
} else {
return new String(buf, 0, len - 1, "gbk");
}
} catch (UnsupportedEncodingException e) {
throw new RuntimeException("字符编码异常,该字符串包含非gbk字符", e);
}
}
public static String CutStringUTF8(String str, int len) {//utf-8 汉字三个负数码值
try {
byte buf[] = str.getBytes("utf-8");
int count = 0;
for (int i = len - 1; i >= 0; i--) {
if (buf[i] < 0) {
count++;
} else {
break;
}
}
if (count % 3 == 0) {
return new String(buf, 0, len, "utf-8");
} else {
return new String(buf, 0, len-count%3, "utf-8");
}
} catch (UnsupportedEncodingException e) {
throw new RuntimeException("字符编码异常,该字符串包含非utf-8字符", e);
}
}
public static void main(String[] args) {
String s = "ab你好";//汉字“琲”的编码是一负一正,不是一般汉字的两个负数码值
byte buf[] = null;
try {
buf = s.getBytes("gbk");
//buf = s.getBytes("utf-8");
} catch (UnsupportedEncodingException e) {
e.printStackTrace();
}
for (byte b : buf) {
System.out.print(b + " ");
}
// 单元测试
System.out.println();
for (int i = 1; i <= buf.length; i++) {
String ss = CutStringBGK(s, i);
// String ss = CutStringUTF8(s, i);
System.out.println(i + ":" + ss);
}
}
}
String s = “ab你好” GBK
97 98 -60 -29 -70 -61
1:a
2:ab
3:ab
4:ab你
5:ab你
6:ab你好
String s = “ab你好” UTF-8
97 98 -28 -67 -96 -27 -91 -67
1:a
2:ab
3:ab
4:ab
5:ab你
6:ab你
7:ab你
8:ab你好
String s = “ab你好琲”; UTF-8(“琲”三个负码值)
97 98 -28 -67 -96 -27 -91 -67 -25 -112 -78
1:a
2:ab
3:ab
4:ab
5:ab你
6:ab你
7:ab你
8:ab你好
9:ab你好
10:ab你好
11:ab你好琲
String s = “ab你好琲”; GBK(“琲”是一负一正码值)
97 98 -60 -29 -70 -61 -84 105
1:a
2:ab
3:ab
4:ab你
5:ab你
6:ab你好
7:ab你好
8:ab你好琲