String常见面试题——（一）

1、一个中文汉字能保存在一个char里吗？ byte呢？

请看下面的例子：

public class ChineseTest {  
    public static void main(String[] args) {  
        // 将一个中文汉字赋值给一个char变量  
        char a = '中';  
        char b = '文';  
        char c = '测';  
        char d = '试';  
        char e = '成';  
        char f = '功';  
        System.out.print(a);  
        System.out.print(b);  
        System.out.print(c);  
        System.out.print(d);  
        System.out.print(e);  
        System.out.print(f);  
    }  
}  

编译没有报错，运行结果：
中文测试成功

答案就不用说了。为什么一个中文汉字可以保存在一个char变量里呢？因为在JAVA中，一个char是2个字节（byte），而一个中文汉字是一个字符，也是2个字节。而英文字母都是一个字节的，因此它也能保存到一个byte里，一个中文汉字却不能。请看：

public class ChineseTest {  
    public static void main(String[] args) {  
        // 将一个英文字母赋值给一个byte变量  
        byte a = 'a';  
        // 将一个中文汉字赋值给一个byte变量时，编译会报错  
        // byte b = '中';  

        System.out.println("byte a = " + a);  
        // System.out.println("byte b = "+b);  
    }  
}  

运行结果：
byte a = 97

正如大家所看到的那样，我们实际上是把字符’a’对应的ASCII码值赋值给了byte型变量a。

让我们回过头来看看最初的例子，能不能将a、b、c、d、e、f拼接在一起一次输出呢？让我们试试看：

public class ChineseTest {  
    public static void main(String[] args) {  
        // 将一个中文汉字赋值给一个char变量  
        char a = '中';  
        char b = '文';  
        char c = '测';  
        char d = '试';  
        char e = '成';  
        char f = '功';  
        System.out.print(a + b + c + d + e + f);  
    }  
}  

运行结果：
156035

这显然不是我们想要的结果。只所以会这样是因为我们误用了“+”运算符，当它被用于字符串和字符串之间，或者字符串和其他类型变量之间时，它产生的效果是字符串的拼接；但当它被用于字符和字符之间时，效果等同于用于数字和数字之间，是一种算术运算。因此我们得到的“156035”是’中’、’文’、’测’、’试’、’成’、’功’这六个汉字分别对应的数值算术相加后的结果。

2、按字节截取含有中文汉字的字符串。

要求实现一个按字节截取字符串的方法，比如对于字符串”我ZWR爱JAVA”，截取它的前四位字节应该是”我ZW”，而不是”我ZWR”，同时要保证不会出现截取了半个汉字的情况。

英文字母和中文汉字在不同的编码格式下，所占用的字节数也是不同的，我们可以通过下面的例子来看看在一些常见的编码格式下，一个英文字母和一个中文汉字分别占用多少字节。
Java代码 收藏代码
import java.io.UnsupportedEncodingException;

public class EncodeTest {
/**
* 打印字符串在指定编码下的字节数和编码名称到控制台
*
* @param s
* 字符串
* @param encodingName
* 编码格式
*/
public static void printByteLength(String s, String encodingName) {
System.out.print(“字节数：”);
try {
System.out.print(s.getBytes(encodingName).length);
} catch (UnsupportedEncodingException e) {
e.printStackTrace();
}
System.out.println(“;编码：” + encodingName);
}

public static void main(String[] args) {  
    String en = "A";  
    String ch = "人";  

    // 计算一个英文字母在各种编码下的字节数  
    System.out.println("英文字母：" + en);  
    EncodeTest.printByteLength(en, "GB2312");  
    EncodeTest.printByteLength(en, "GBK");  
    EncodeTest.printByteLength(en, "GB18030");  
    EncodeTest.printByteLength(en, "ISO-8859-1");  
    EncodeTest.printByteLength(en, "UTF-8");  
    EncodeTest.printByteLength(en, "UTF-16");  
    EncodeTest.printByteLength(en, "UTF-16BE");  
    EncodeTest.printByteLength(en, "UTF-16LE");  

    System.out.println();  

    // 计算一个中文汉字在各种编码下的字节数  
    System.out.println("中文汉字：" + ch);  
    EncodeTest.printByteLength(ch, "GB2312");  
    EncodeTest.printByteLength(ch, "GBK");  
    EncodeTest.printByteLength(ch, "GB18030");  
    EncodeTest.printByteLength(ch, "ISO-8859-1");  
    EncodeTest.printByteLength(ch, "UTF-8");  
    EncodeTest.printByteLength(ch, "UTF-16");  
    EncodeTest.printByteLength(ch, "UTF-16BE");  
    EncodeTest.printByteLength(ch, "UTF-16LE");  
}  

}

运行结果如下：
英文字母：A
字节数：1;编码：GB2312
字节数：1;编码：GBK
字节数：1;编码：GB18030
字节数：1;编码：ISO-8859-1
字节数：1;编码：UTF-8
字节数：4;编码：UTF-16
字节数：2;编码：UTF-16BE
字节数：2;编码：UTF-16LE
中文汉字：人
字节数：2;编码：GB2312
字节数：2;编码：GBK
字节数：2;编码：GB18030
字节数：1;编码：ISO-8859-1
字节数：3;编码：UTF-8
字节数：4;编码：UTF-16
字节数：2;编码：UTF-16BE
字节数：2;编码：UTF-16LE

UTF-16BE和UTF-16LE是UNICODE编码家族的两个成员。UNICODE标准定义了UTF-8、UTF-16、UTF-32三种编码格式，共有UTF-8、UTF-16、UTF-16BE、UTF-16LE、UTF-32、UTF-32BE、UTF-32LE七种编码方案。JAVA所采用的编码方案是UTF-16BE。从上例的运行结果中我们可以看出，GB2312、GBK、GB18030三种编码格式都可以满足题目的要求。下面我们就以GBK编码为例来进行解答。

我们不能直接使用String类的substring(int beginIndex, int endIndex)方法，因为它是按字符截取的。’我’和’Z’都被作为一个字符来看待，length都是1。实际上我们只要能区分开中文汉字和英文字母，这个问题就迎刃而解了，而它们的区别就是，中文汉字是两个字节，英文字母是一个字节。
Java代码 收藏代码
import java.io.UnsupportedEncodingException;

public class CutString {

/** 
 * 判断是否是一个中文汉字 
 *  
 * @param c 
 *            字符 
 * @return true表示是中文汉字，false表示是英文字母 
 * @throws UnsupportedEncodingException 
 *             使用了JAVA不支持的编码格式 
 */  
public static boolean isChineseChar(char c)  
        throws UnsupportedEncodingException {  
    // 如果字节数大于1，是汉字  
    // 以这种方式区别英文字母和中文汉字并不是十分严谨，但在这个题目中，这样判断已经足够了  
    return String.valueOf(c).getBytes("GBK").length > 1;  
}  

/** 
 * 按字节截取字符串 
 *  
 * @param orignal 
 *            原始字符串 
 * @param count 
 *            截取位数 
 * @return 截取后的字符串 
 * @throws UnsupportedEncodingException 
 *             使用了JAVA不支持的编码格式 
 */  
public static String substring(String orignal, int count)  
        throws UnsupportedEncodingException {  
    // 原始字符不为null，也不是空字符串  
    if (orignal != null && !"".equals(orignal)) {  
        // 将原始字符串转换为GBK编码格式  
        orignal = new String(orignal.getBytes(), "GBK");  
        // 要截取的字节数大于0，且小于原始字符串的字节数  
        if (count > 0 && count < orignal.getBytes("GBK").length) {  
            StringBuffer buff = new StringBuffer();  
            char c;  
            for (int i = 0; i < count; i++) {  
                c = orignal.charAt(i);  
                buff.append(c);  
                if (CutString.isChineseChar(c)) {  
                    // 遇到中文汉字，截取字节总数减1  
                    --count;  
                }  
            }  
            return buff.toString();  
        }  
    }  
    return orignal;  
}  

public static void main(String[] args) {  
    // 原始字符串  
    String s = "我ZWR爱JAVA";  
    System.out.println("原始字符串：" + s);  
    try {  
        System.out.println("截取前1位：" + CutString.substring(s, 1));  
        System.out.println("截取前2位：" + CutString.substring(s, 2));  
        System.out.println("截取前4位：" + CutString.substring(s, 4));  
        System.out.println("截取前6位：" + CutString.substring(s, 6));  
    } catch (UnsupportedEncodingException e) {  
        e.printStackTrace();  
    }  
}  

}

运行结果：
原始字符串：我ZWR爱JAVA
截取前1位：我
截取前2位：我
截取前4位：我ZW
截取前6位：我ZWR爱