java按字节截取带有汉字的字符串的解法

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;
  }
 

常见面试题

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。

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：

1.英文字母：A
2.字节数：1;编码：GB2312
3.字节数：1;编码：GBK
4.字节数：1;编码：GB18030
5.字节数：1;编码：ISO-8859-1
6.字节数：1;编码：UTF-8
7.字节数：4;编码：UTF-16
8.字节数：2;编码：UTF-16BE
9.字节数：2;编码：UTF-16LE
10.中文汉字：人
11.字节数：2;编码：GB2312
12.字节数：2;编码：GBK
13.字节数：2;编码：GB18030
14.字节数：1;编码：ISO-8859-1
15.字节数：3;编码：UTF-8
16.字节数：4;编码：UTF-16
17.字节数：2;编码：UTF-16BE
18.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 gwd.com.singletTest;

import java.io.UnsupportedEncodingException;

public class SubstringTest {
	
	/**
	   * 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 > 2;
	  }
	  
	  /**
	   * 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 {
		  int chineseCount=0;
	      int originalCount=count;
	      StringBuffer buff=null;
	      int currentCount=0;
	      // 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");//
	      // 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) {
	         buff = new StringBuffer();
	        char c;
	        ok:
	        for (int i = 0; i < count-1; i++) {
	          c = orignal.charAt(i);
	       //   System.out.println(count);
	      
	          if (SubstringTest.isChineseChar(c)) {
	        	  System.out.println(count);
	        	  System.out.println(buff);
	        	  
	            // 遇到中文汉字，截取字节总数减2
	            if (count+chineseCount*2<=originalCount) {
	            	buff.append(c);
	            	count=count-2;
			        ++chineseCount;
		            System.out.println(c);
			        System.out.println("中文的个数"+chineseCount);
				}else if (count+(chineseCount)*2>originalCount) {
					break ok;
				}
	          }else {
	        	  buff.append(c);
			}
	        }
	      //  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 (SubstringTest.isChineseChar(c)) { 
	            // 遇到中文汉字，截取字节总数减1 
	            count=count-2; 
	          } 
	        } 
	        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ILU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6位：" + SubstringTest.substring(s, 6));
	   // System.out.println("截取前6位：" + SubstringTest.gsubstring(s, 6));
	    //System.out.println("截取前4位：" + SubstringTest.substring(s, 4)); 
	    System.out.println("截取前13位：" + SubstringTest.substring(s, 13));
	    System.out.println("截取前13字节：" + SubstringTest.idgui(s, 13));
	  //  System.out.println("截取前12位：" + SubstringTest.gsubstring(s, 11));
	     
	  } 

}