欢迎您访问程序员文章站本站旨在为大家提供分享程序员计算机编程知识!
您现在的位置是: 首页  >  IT编程

java按字节截取带有汉字的字符串的解法(推荐)

程序员文章站 2024-03-13 08:47:57
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...

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。