subString中英文截取问题以及方法

最新推荐文章于 2024-08-07 11:15:39 发布

原创最新推荐文章于 2024-08-07 11:15:39 发布 · 8.2k 阅读

1 ·

CC 4.0 BY-SA版权

文章标签：

#string #exception #byte #java

java 专栏收录该内容

33 篇文章

订阅专栏

本文介绍了一种在Java中处理中英文混合字符串截取的方法，通过利用Unicode编码机制确保截取过程中不会出现乱码，特别适用于需要精确控制字符数量的应用场景。

今天用到subString时发现当我们在分别截取中英文时会出现意想不到的问题啊。。。

subString 截取的是个数，而不是按字节数来截取。

解决问题方法：

1. 如果是纯中英文，很简单，不解释。

2. 如果是中英文混合写，需要考虑到转换成byte数组来处理时，可能会碰到乱码的问题。比如你刚好截取到中文的一半。。。

给出一个方法：【利用java中文是用Unicode编码即UCS2编码来制作一个byte数组，利用内部机制来凑齐字符】

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; // 前两个字节是标志位，bytes[0] = -2，bytes[1] = -1。所以从第3位开始截取。
        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;
        }

        return new String(bytes, 0, i, "Unicode");
    }