练习(面试题) ：字符串截取

       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。

          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”。

          在这里提醒一下：汉字编码GBK与UTF-8存在差异，在GBK中，汉字占两个字节，UTF-8中，汉字主要落在三区，大部分占了三个字节。

代码实现：

<span style="font-family:Times New Roman;font-size:14px;"><span style="font-family:Times New Roman;font-size:14px;">package cn.hncu.io.ex;

import java.io.UnsupportedEncodingException;

public class StringCutUtil {
	private StringCutUtil(){
	}
	
	public static String cutStringByByte(String str, int len){
		if(System.getProperty("file.encoding").equalsIgnoreCase("gbk")){
			return cutStringByByteGBK(str,len);
		}
		if(System.getProperty("file.encoding").equalsIgnoreCase("utf-8")){
			return cutStringByByteUTF8(str,len);
		}
		return "当前系统不支持中文!";
	}
	
   private static String cutStringByByteGBK(String str, int len){
	   try {
		byte buf[] = str.getBytes("gbk");
		   int count=0;
		   for(int i=len-1;i>=0;i-- ){
			   if(buf[i]<0){
				   count++;
			   }else{
				   break;
			   }
		   }
		   if(count%2==0){
			   return new String(buf, 0, len,"gbk");
		   }else{
			   return new String(buf,0,len-1,"gbk");
		   }
		} catch (UnsupportedEncodingException e) {
			 throw new RuntimeException("字符编码异常，该字符串中包含非gbk字符", e);
		}
   }
   
   private static String cutStringByByteUTF8(String str, int len){
	   try {
		   byte buf[] = str.getBytes("utf-8");
		   int count=0;
		   for(int i=len-1;i>=0;i-- ){
			   if(buf[i]<0){
				   count++;
			   }else{
				   break;
			   }
		   }
		   if(count%3==0){
			   return new String(buf, 0, len,"utf-8");
		   }else{
			   return new String(buf,0,len-count%3,"utf-8");
		   }
	   } catch (UnsupportedEncodingException e) {
		   throw new RuntimeException("字符编码异常，该字符串中包含非gbk字符", e);
	   }
	   
   }
   
   public static void main(String[] args) {
	  //观察
	   String str ="ab你好h3h城市d琲琲";//汉字“琲”的编码是一负一正，并不是一般汉字的两个负数码值
	   byte bs[]=null;
//	   bs = str.getBytes();
		try {
			bs = str.getBytes("gbk");
			//bs = str.getBytes("utf-8");
		} catch (UnsupportedEncodingException e) {
			e.printStackTrace();
		}
	   for(byte b:bs){
		   System.out.print(b+" ");
	   }
	   
	   //单元测试
	   System.out.println();
	   for(int i=1;i<=bs.length;i++){
		   //String ss = cutStringByByteGBK(str,i);
		   //String ss = cutStringByByteUTF8(str,i);
		   String ss = cutStringByByte(str,i);
		   System.out.println(i+": "+ss);
	   }
	   
   }
}
</span></span>

为了更加实用，不用在截取字符时考虑编码问题，我把两者做了统一处理，将会以系统默认编码进行截取。