Java按字节长度截取字符串
2024年02月29日
编程: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;
}
return new String(bytes,0,i,"Unicode");
}
下面代码使用了bSubstring方法:
String s="a加b等于c,如果a等1、b等于2,那么c等3";
System.out.println(bSubstring(s,6));
上面的代码截取的字符串是"a加b等"。