java 汉字处理_Java汉字处理

1、字符串长度

String s1 = "我是中国人";

String s2 = "imchinese";

String s3 = "im中国人";

System.out.println(s1+":"+new String(s1).length());

System.out.println(s2+":"+new String(s2).length());

System.out.println(s3+":"+new String(s3).length());

输出结果：

我是中国人:5

imchinese:9

im中国人:5

结论：字符串里如果有双字节的字符java就把每个字符都按双字节编码，如果都是单字节的字符就按单字节编码。

2、提取字符串中的汉字

String str = "af我是kz中h国m人ig";

char ch[] = str.toCharArray();

for (int i = 0; i < ch.length; i++) {

if (ch[i] > 255) {

System.out.print(ch[i]);

}

}

输出结果：

我是中国人

3、打印汉字编码

(1)打印汉字的unicode编码

char ch = "中";

System.out.println(Integer.toHexString(ch));

输出结果：

4e2d

(2)打印汉字的GBK编码

String str = "中";

byte[] bt = str.getBytes("GBK");

System.out.println(Integer.toHexString(bt[0]).substring(6)

+Integer.toHexString(bt[1]).substring(6));

输出结果：

d6d0

说明：java内部使用的是unicode编码，汉字的Unicode编码范围为/u4E00-/u9FA5 或/uF900-/uFA2D，如果不在这个范围内就不是汉字。我们用char定义一个变量，如char ch="中"; 这时，ch是Unicode编码的。GBK编码与unicode编码是不同的两种编码方式，因此它们打印出的值是不一样的。GBK的整体编码范围是为0x8140-0xFEFE，不包括低字节是0x7F的组合。高字节范围是0x81-0xFE，低字节范围是0x40-7E和0x80-0xFE。

4、用两个byte组成一个汉字

byte bb[] = new byte[2];

bb[0] = -42;

bb[1] = -48;

String str = new String(bb);

System.out.println(str);

输出结果：

中