按字节长度截取字符串

业务场景：Oracle数据字符集UTF-8，字段类型为VARCHAR2(2000)。当插入字符串的字节长度超过2000时，就会报错，使用subString(0,2000)当字符串包含中文时，也会报错，又不能直接只截取1000长度。所以需要一个根据字节长度来截取字符串的方法。

下面提供一下utf-8的截取方法：

GitHub地址 https://github.com/beiifeng/StringUtils/blob/master/StringUtils.java

/**
 * 按字节长度截取字符串
 *
 * @param orgin       需要截取的字符串
 * @param blength     需要保留的字节长度
 * @param charsetName 编码,对于字符集为UTF-8的数据库,请指定编码为UTF-8;字符集为GBK的数据库,请指定编码GBK
 * @return 截取后的字符串
 * @throws UnsupportedEncodingException 不支持的字符编码
 */
public static String subStringb(String orgin, int blength, String charsetName) throws UnsupportedEncodingException {
    return subStringb2(orgin, blength, charsetName).get(0);
}

/**
 * 按字节长度分割字符串
 *
 * @param orgin       需要截取的字符串
 * @param blength     需要保留的字节长度
 * @param charsetName 编码,对于字符集为UTF-8的数据库,请指定编码为UTF-8;字符集为GBK的数据库,请指定编码GBK
 * @return 分割后的字符串
 * @throws UnsupportedEncodingException 不支持的字符编码
 */
public static List<String> subStringb2(String orgin, int blength, String charsetName) throws UnsupportedEncodingException {

    List<String> result = new ArrayList<>();
    int length;

    byte[] bs = orgin.getBytes(charsetName);
    while (bs.length > 0) {
        length = blength;
        if (length >= bs.length) {
            result.add(new String(bs, 0, bs.length, charsetName));
            break;
        }
        if ("UTF8".equals(charsetName.toUpperCase()) || "UTF-8".equals(charsetName.toUpperCase())) {
            // utf8 encoding
            // 0000 0000 - 0000 007F 0xxxxxxx
            // 0000 0080 - 0000 07FF 110xxxxx 10xxxxxx
            // 0000 0800 - 0000 FFFF 1110xxxx 10xxxxxx 10xxxxxx
            // 0001 0000 - 0010 FFFF 11110xxx 10xxxxxx 10xxxxxx 10xxxxxx
            while (length > 0) {
                if ((bs[length] | 0x7F) == 0x7F) {
                    break;
                }
                if ((bs[length] & 0xC0) == 0xC0) {
                    break;
                }
                /*
                if ((bs[length] & 0xE0) == 0xE0) {
                    break;
                }
                if ((bs[length] & 0xF0) == 0xF0) {
                    break;
                }
                */
                length--;
            }
        } else if ("GBK".equals(charsetName.toUpperCase())) {
            boolean removLast = length % 2 == 1;
            for (int i = 0; i < length; i++) {
                if ((bs[i] | 0x7F) == 0x7F) {
                    removLast = !removLast;
                }
            }
            if (removLast) {
                length--;
            }
        } else if ("UNICODE".equals(charsetName.toUpperCase())) {
            if (length % 2 == 1) {
                length--;
            }
        } else if ("UTF-16".equals(charsetName.toUpperCase()) || "UTF16".equals(charsetName.toUpperCase())) {
            if (length % 2 == 1) {
                length--;
            }
        } else if ("UTF-16BE".equals(charsetName.toUpperCase())) {
            if (length % 2 == 1) {
                length--;
            }
        } else if ("UTF-16LE".equals(charsetName.toUpperCase())) {
            if (length % 2 == 1) {
                length--;
            }
        }
        result.add(new String(bs, 0, length, charsetName));
        bs = Arrays.copyOfRange(bs, length, bs.length);
    }

    if (result.size() == 0) {
        result.add("");
    }

    return result;
}

 

待更新：截取结果为字符串数组。

转载于:https://www.cnblogs.com/beiifeng/p/9945626.html