Java中以字节长度截取存在中文的字符串（UTF-8编码）

背景：以定长字节输出含中文字符时，因ASCII码字符占1字节，而中文GBK字符占2字节，中文UTF-8字符占3字节，为避免输出长度超过定长，故需对含中文的内容进行处理。

此处以输出UTF-8为例，其他编码同理。

 

    // 方法1
    public static String subStrUtf8(String str, int beginIndex, int endIndex) {
        String subStr = "";
        try {
            int byteEndIndex = Math.min(str.length(), endIndex);
            int byteLen = 0;
            do {
                // 将要截取的子串长度减1，此处切记用 byteEndIndex--，而不是 --byteEndIndex
                subStr = str.substring(beginIndex, byteEndIndex--);

                // 更新subStr转为UTF-8的byte[]的长度
                byteLen = subStr.getBytes("UTF-8").length;

                // 只要byteLen大于最初想要截取的子串的值，则继续循环
            } while (byteLen > endIndex - beginIndex);
        } catch (UnsupportedEncodingException e) {
            e.printStackTrace();
        }
        return subStr;
    }

    //方法2
    public static String subStrUtf8(String str, int subLen) {
        String subStr = "";
        try {
            int byteEndIndex = Math.min(str.length(), subLen);
            int byteLen = 0;
            do {
                // 将要截取的子串长度减1，此处切记用 byteEndIndex--，而不是 --byteEndIndex
                subStr = str.substring(0, byteEndIndex--);

                // 更新subStr转为UTF-8的byte[]的长度
                byteLen = subStr.getBytes("UTF-8").length;

                // 只要byteLen大于最初想要截取的子串的值，则继续循环
            } while (byteLen > subLen);
        } catch (UnsupportedEncodingException e) {
            e.printStackTrace();
        }
        return subStr;
    }

    public static void main(String[] args) {
        String str = "abcd你好efgh谢谢";
        System.out.println(subStrUtf8(str, 0, 8));
        System.out.println(subStrUtf8(str, 8));
    }

 

运行结果：

abcd你
abcd你