Java 获取含有中文字符字符串的字节长度

最新推荐文章于 2024-06-29 03:22:52 发布

原创最新推荐文章于 2024-06-29 03:22:52 发布 · 2.3k 阅读

1 ·

CC 4.0 BY-SA版权

Java 工作实用篇专栏收录该内容

5 篇文章

订阅专栏

本文介绍在Java中如何精确计算包含中文字符的字符串字节长度，包括使用正则表达式匹配非ASCII字符和一种实用的方法实现。通过将非标准字符替换为两个标准字符，可以直接利用length()方法获取字符串的字节长度。

由于Java是基于Unicode编码的，因此，一个汉字的长度为1，而不是2。但有时需要以字节单位获得字符串的长度。例如，“123abc长城”按字节长度计算是10，而按Unicode计算长度是8。为了获得10，需要从头扫描根据字符的Ascii来获得具体的长度。

1. 中文正则表达式
目前，网上查到的资料有这两种：
(1) [\u4e00-\u9fa5] : 匹配所有中文。
(2)[^\x00-\xff]: 匹配所有非ASCII的字符。
比如，有一个字符串是中文状态的括号（）, 使用第一个正则表达式是不会被匹配到的，因为只匹配中文符号。而使用第二个正则表达式，则可以被匹配到。

2. 方法实现

    /**
     * 获取含有中文字符串的字节长度。
     * 基本原理是将字符串中所有的非标准字符（双字节字符）替换成两个标准字符（**，或其他的也可以）。这
     * 样就可以直接例用length方法获得字符串的字节长度了
     * @param str
     * @return
     */
    public static int getByteLen(String str) {
        str = str.replaceAll("[^\\x00-\\xff]", "**");
        int length = str.length();
        return length;
    }