< meta http-equiv="description" content="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"/>

Java按字节长度截取字符串

[来源] 达内    [编辑] 达内   [时间]2012-09-26

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

  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"。

  public static String substring(String str, int toCount,String more)

  {

  int reInt = 0;

  String reStr = "";

  if (str == null)

  return "";

  char[] tempChar = str.toCharArray();

  for (int kk = 0; (kk < tempChar.length && toCount > reInt); kk++) {

  String s1 = str.valueOf(tempChar[kk]);

  byte[] b = s1.getBytes();

  reInt += b.length;

  reStr += tempChar[kk];

  }

  if (toCount == reInt || (toCount == reInt - 1))

  reStr += more;

  return reStr;

  }

  Web应用程序在浏览器中显示字符串时,由于显示长度的限制,常常需要将字符串截取后再进行显示。但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。要解决这个问题的方法是首先得到该字符串的UCS2编码的字节数组,如下面的代码如下:

  byte[] bytes = s.getBytes("Unicode");

  由于上面生成的字节数组中前两个字节是标志位,bytes[0] = -2,bytes[1] = -1,因此,要从第三个字节开始扫描,对于一个英文或数字字符,UCS2编码的第二个字节是相应的ASCII,第一个字节是0,如a的UCS2编码是0 97,而汉字两个字节都不为0,因此,可以利于UCS2编码的这个规则来计算实际的字节数,该方法的实现代码如下:

  public static String bSubstring(String s, int length) throws Exception

  {

  byte[] bytes = s.getBytes("Unicode");

  int n = 0; // 表示当前的字节数

  int i = 2; // 要截取的字节数,从第3个字节开始

  for (; i < bytes.length && n < length; i++)

  {

  // 奇数位置,如3、5、7等,为UCS2编码中两个字节的第二个字节

  if (i % 2 == 1)

  {

  n++; // 在UCS2第二个字节时n加1

  }

  else

  {

  // 当UCS2编码的第一个字节不等于0时,该UCS2字符为汉字,一个汉字算两个字节

  if (bytes[i] != 0)

  {

  n++;

  }

  }

  }

  // 如果i为奇数时,处理成偶数

  if (i % 2 == 1)

  {

  // 该UCS2字符是汉字时,去掉这个截一半的汉字

  if (bytes[i - 1] != 0)

  i = i - 1;

  // 该UCS2字符是字母或数字,则保留该字符

  else

  i = i + 1;

  }

资源下载