java按字节截取带有汉字的字符串的解法(推荐)

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;
  }

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。

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 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)); 
    
  }  
}

以上这篇java按字节截取带有汉字的字符串的解法(推荐)就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持。