在java中,字符串“abcd”与字符串“ab你好”的长度是一样,都是四个字符。
但对应的字节数不同,一个汉字占两个字节。
定义一个方法,按照指定的字节数来取子串。
但对应的字节数不同,一个汉字占两个字节。
定义一个方法,按照指定的字节数来取子串。
如:对于“ab你好”,如果取三个字节,那么子串就是ab与“你”字的半个,那么半个就要舍弃。如果取四个字节就是“ab你”,取五个字节还是“ab你”。
<span style="font-size:18px;">package cn.hncu.IO;
import java.io.IOException;
import java.io.UnsupportedEncodingException;
public class Stringcut {
public static void main(String[] args) throws IOException {
String str ="abc你好呀vfc";
byte a[]=str.getBytes("gbk");
System.out.println(str);
for(int i=0;i<=a.length;i++){
String s=cutStringbkbk(str,i);
System.out.println("取"+i+"个字节之后: "+s);
}
}
private static String cutStringbkbk(String str, int i) throws IOException {
if(System.getProperty("file.encoding").equalsIgnoreCase("gbk")){
return cutStringgbk(str,i);
}
if(System.getProperty("file.encoding").equalsIgnoreCase("utf-8")){
return cutStringutf(str,i);
}
return null;
}
/*
* 这个为GBK编码,一个汉字两个字节,一正一负
*/
private static String cutStringgbk(String str, int len) throws IOException {
byte[] a=str.getBytes();//放入字节数组
int count=0;
for(int i=len-1;i>=0;i--){//从传进来的len-1个开始,防止有的汉字编码出现正负两个
if(a[i]<0){//若小于0,则为汉字编码,计数加1
count++;
}else{
break;//若大于0,则出现的可能是字符。说明这个位置不是汉字编码了,再根据count与2取余是否能等于0
}
}
if(count%2==0){//说明汉字的字节数是完整的,返回所有的传进来的字节数
return new String(a,0,len);
}else{//汉字字节不完整,所有去掉其余部分,返回完整的信息
return new String(a,0,len-1);
}
}
/*
* 为UTF-8格式,和上面的一样,只是汉字的字节数是3个字节,在判断时候需要修改下
*/
private static String cutStringutf(String str, int len) throws IOException {
byte[] a=str.getBytes("utf-8");
int count=0;
for(int i=len-1;i>=0;i--){
if(a[i]<0){
count++;
}else{
break;
}
}
if(count%3==0){
return new String(a,0,len);
}else{
return new String(a,0,len-count%3);
}
}
}
</span>
原理很简单,就是用到汉字的字节和一般的不一样,在GBK中,一个汉字是两个字节(负数),在Utf_8中,一个汉
字是3个字节,三个负数。然后根据符号不一样来进行判断