在Java中按字节获得字符串长度的两种方法

由于Java是基于Unicode编码的，因此，一个汉字的长度为1，而不是2。但有时需要以字节单位获得字符串的长度。例如，“123abc长城”按字节长度计算是10，而按Unicode计算长度是8。为了获得10，需要从头扫描根据字符的Ascii来获得具体的长度。如果是标准的字符，Ascii的范围是0至255，如果是汉字或其他全角字符，Ascii会大于255。因此，可以编写如下的方法来获得以字节为单位的字符串长度。

     public  int getWordCount(String s)
    {
         int length = 0;
         for( int i = 0; i < s.length(); i++)
        {
             int ascii = Character.codePointAt(s, i);
             if(ascii >= 0 && ascii <=255)
                length++;
             else
                length += 2;
                
        }
         return length;
        
    }

    当然，也可以采用正则表达式来简化上面的方法，代码如下：

     public   int getWordCount(String s)
    {

        s = s.replaceAll("[^\\x00-\\xff]", "**");
         int length = s.length();
         return length;
    }

    上面代码的基本原理是将字符串中所有的非标准字符（双字节字符）替换成两个标准字符（**，或其他的也可以）。这样就可以直接例用length方法获得字符串的字节长度了。

备注：String.getByte().length() ;//我用的utf-8获取的汉字长度为3，这种方式不适合我的需求。

出处:http://www.blogjava.net/nokiaguy/archive/2010/04/11/317982.html