java汉字字符串截取_java按字节截取带有汉字的字符串的解法-CSDN博客

本文链接：https://blog.csdn.net/weixin_31518073/article/details/114076619

由于接口使用的oracle字段长度为固定字节数，然后传进来的字符串估计比数据库字段的总字节数要大，那么截取小于数据库字节数的字符串。

自己参考网上的例子，整了个递归调用就可以了，因为截取的字符字节长度必须小与数据库的字节长度，即如果最后一个字符为汉字，那么只能去掉往前截取。

/**

* 判断传进来的字符串，是否

* 大于指定的字节，如果大于递归调用

* 直到小于指定字节数，一定要指定字符编码，因为各个系统字符编码都不一样，字节数也不一样

* @param s

* 原始字符串

* @param num

* 传进来指定字节数

* @return String 截取后的字符串

* @throws UnsupportedEncodingException

public static String idgui(String s,int num)throws Exception{

int changdu = s.getBytes("UTF-8").length;

if(changdu > num){

s = s.substring(0, s.length() - 1);

s = idgui(s,num);

}

return s;

}

http://blog.csdn.net/yangyan19870319/article/details/6144131

java面试题：

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"。

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。

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

importjava.io.UnsupportedEncodingException;

publicclassEncodeTest {

/**

* 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

publicstaticvoidprintByteLength(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);

}

publicstaticvoidmain(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。

package com.newyulong.iptv.billing.ftpupload;

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("UTF-8").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(), "UTF-8");//

// System.out.println(orignal);

//System.out.println(orignal.getBytes().length);

// 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("UTF-8").length) {

StringBuffer buff = new StringBuffer();

char c;

for (int i = 0; i < count; i++) {

System.out.println(count);

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;

}

// System.out.println(new String(buff.toString().getBytes("GBK"),"UTF-8"));

return new String(buff.toString().getBytes(),"UTF-8");

}

return orignal;

}

/**

* 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 gsubstring(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;

}

/**

* 判断传进来的字符串，是否

* 大于指定的字节，如果大于递归调用

* 直到小于指定字节数

* @param s

* 原始字符串

* @param num

* 传进来指定字节数

* @return String 截取后的字符串

public static String idgui(String s,int num){

int changdu = s.getBytes().length;

if(changdu > num){

s = s.substring(0, s.length() - 1);

s = idgui(s,num);

}

return s;

}

public static void main(String[] args) throws Exception{

// 原始字符串

String s = "我ZWR爱你们JAVA";

System.out.println("原始字符串：" + s + " : 字节数是: " + s.getBytes().length);

/* 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12位：" + CutString.substring(s, 12));

System.out.println("截取前12字节：" + CutString.idgui(s, 11));

}