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"。