碼上快樂

相關內容    簡體    繁體

java按字節截取帶有漢字的字符串的解法

本文轉載自   查看原文   2013-12-12 13:47   6854 

           由於接口使用的oracle字段長度為固定字節數，然后傳進來的字符串估計比數據庫字段的總字節數要大，那么截取小於數據庫字節數的字符串。

自己參考網上的例子，整了個遞歸調用就可以了，因為截取的字符字節長度必須小與數據庫的字節長度，即如果最后一個字符為漢字，那么只能去掉往前截取。

    /**  
     * 判斷傳進來的字符串，是否  
     * 大於指定的字節，如果大於遞歸調用
     * 直到小於指定字節數 ，一定要指定字符編碼，因為各個系統字符編碼都不一樣，字節數也不一樣
     * @param s  
     *            原始字符串  
     * @param num  
     *            傳進來指定字節數  
     * @return String 截取后的字符串  

     * @throws UnsupportedEncodingException
     */
    public static String idgui(String s,int num)throws Exception{
        int changdu = s.getBytes("UTF-8").length;
        if(changdu > num){
            s = s.substring(0, s.length() - 1);
            s = idgui(s,num);
        }
        return s;
    }



http://blog.csdn.net/yangyan19870319/article/details/6144131

java面試題：

編寫一個截取字符串的函數，輸入為一個字符串和字節數，輸出為按字節截取的字符串。但是要保證漢字不被截半個，如"我ABC"4，應該截為"我AB"，輸入"我ABC漢DEF"，6，應該輸出為"我ABC"而不是"我ABC+漢的半個"。


目前很多流行的語言，如C#、Java內部采用的都是 Unicode 16（UCS2）編碼，在這種編碼中所有的字符都是兩個字符，因此，如果要截取的字符串是中、英文、數字混合的，就會產生問題，如下面的字符串：

　　String s = "a加b等於c，如果a等1、b等於2，那么c等3";

　　上面的字符串既有漢字，又有英文字符和數字。如果要截取前6個字節的字符，應該是”a加b等"，但如果用substring方法截取前6個字符就成了"a 加b等於c"。產生這個問題的原因是將substring方法將雙字節的漢字當成一個字節的字符（UCS2字符）處理了。

 

英文字母和中文漢字在不同的編碼格式下，所占用的字節數也是不同的，我們可以通過下面的例子來看看在一些常見的編碼格式下，一個英文字母和一個中文漢字分別占用多少字節。

Java代碼 復制代碼
  1. import java.io.UnsupportedEncodingException;   
  2.   
  3. public class EncodeTest {   
  4.     /**  
  5.      * 打印字符串在指定編碼下的字節數和編碼名稱到控制台 
  6.      *   
  7.      * @param s  
  8.      *            字符串 
  9.      * @param encodingName 
  10.      *            編碼格式 
  11.      */  
  12.     public static void printByteLength(String s, String encodingName) {   
  13.         System.out.print("字節數：");   
  14.         try {   
  15.             System.out.print(s.getBytes(encodingName).length);   
  16.         } catch (UnsupportedEncodingException e) {   
  17.             e.printStackTrace();   
  18.         }   
  19.         System.out.println(";編碼：" + encodingName);   
  20.     }   
  21.   
  22.     public static void main(String[] args) {   
  23.         String en = "A";   
  24.         String ch = "人";   
  25.   
  26.         // 計算一個英文字母在各種編碼下的字節數  
  27.         System.out.println("英文字母：" + en);   
  28.         EncodeTest.printByteLength(en, "GB2312");   
  29.         EncodeTest.printByteLength(en, "GBK");   
  30.         EncodeTest.printByteLength(en, "GB18030");   
  31.         EncodeTest.printByteLength(en, "ISO-8859-1");   
  32.         EncodeTest.printByteLength(en, "UTF-8");   
  33.         EncodeTest.printByteLength(en, "UTF-16");   
  34.         EncodeTest.printByteLength(en, "UTF-16BE");   
  35.         EncodeTest.printByteLength(en, "UTF-16LE");   
  36.   
  37.         System.out.println();   
  38.   
  39.         // 計算一個中文漢字在各種編碼下的字節數  
  40.         System.out.println("中文漢字：" + ch);   
  41.         EncodeTest.printByteLength(ch, "GB2312");   
  42.         EncodeTest.printByteLength(ch, "GBK");   
  43.         EncodeTest.printByteLength(ch, "GB18030");   
  44.         EncodeTest.printByteLength(ch, "ISO-8859-1");   
  45.         EncodeTest.printByteLength(ch, "UTF-8");   
  46.         EncodeTest.printByteLength(ch, "UTF-16");   
  47.         EncodeTest.printByteLength(ch, "UTF-16BE");   
  48.         EncodeTest.printByteLength(ch, "UTF-16LE");   
  49.     }   
  50. }  

運行結果如下：

  1. 英文字母：A
  2. 字節數：1;編碼：GB2312
  3. 字節數：1;編碼：GBK
  4. 字節數：1;編碼：GB18030
  5. 字節數：1;編碼：ISO-8859-1
  6. 字節數：1;編碼：UTF-8
  7. 字節數：4;編碼：UTF-16
  8. 字節數：2;編碼：UTF-16BE
  9. 字節數：2;編碼：UTF-16LE
  10. 中文漢字：人
  11. 字節數：2;編碼：GB2312
  12. 字節數：2;編碼：GBK
  13. 字節數：2;編碼：GB18030
  14. 字節數：1;編碼：ISO-8859-1
  15. 字節數：3;編碼：UTF-8
  16. 字節數：4;編碼：UTF-16
  17. 字節數：2;編碼：UTF-16BE
  18. 字節數：2;編碼：UTF-16LE



UTF-16BE和UTF-16LE是UNICODE編碼家族的兩個成員。UNICODE標准定義了UTF-8、UTF-16、UTF-32三種編碼格式，共有UTF-8、UTF-16、UTF-16BE、UTF-16LE、UTF-32、UTF-32BE、UTF-32LE七種編碼方案。JAVA所采用的編碼方案是UTF-16BE。從上例的運行結果中我們可以看出，GB2312、GBK、GB18030三種編碼格式都可以滿足題目的要求。下面我們就以GBK編碼為例來進行解答。

我們不能直接使用String類的substring(int beginIndex, int endIndex)方法，因為它是按字符截取的。'我'和'Z'都被作為一個字符來看待，length都是1。實際上我們只要能區分開中文漢字和英文字母，這個問題就迎刃而解了，而它們的區別就是，中文漢字是兩個字節，英文字母是一個字節。



package com.newyulong.iptv.billing.ftpupload;

import java.io.UnsupportedEncodingException;

public class CutString {
     /**
     * 判斷是否是一個中文漢字
     *  
     * @param c
     *            字符
     * @return true表示是中文漢字，false表示是英文字母
     * @throws UnsupportedEncodingException
     *             使用了JAVA不支持的編碼格式
     */
    public static boolean isChineseChar(char c)  
            throws UnsupportedEncodingException {  
        // 如果字節數大於1，是漢字  
        // 以這種方式區別英文字母和中文漢字並不是十分嚴謹，但在這個題目中，這樣判斷已經足夠了  
        return String.valueOf(c).getBytes("UTF-8").length > 1;  
    }  
 
    /**
     * 按字節截取字符串
     *  
     * @param orignal
     *            原始字符串
     * @param count
     *            截取位數
     * @return 截取后的字符串
     * @throws UnsupportedEncodingException
     *             使用了JAVA不支持的編碼格式
     */
    public static String substring(String orignal, int count)  
            throws UnsupportedEncodingException {  
        // 原始字符不為null，也不是空字符串  
        if (orignal != null && !"".equals(orignal)) {  
            // 將原始字符串轉換為GBK編碼格式  
            orignal = new String(orignal.getBytes(), "UTF-8");//
          // System.out.println(orignal);
          //System.out.println(orignal.getBytes().length);
            // 要截取的字節數大於0，且小於原始字符串的字節數  
            if (count > 0 && count < orignal.getBytes("UTF-8").length) {  
                StringBuffer buff = new StringBuffer();  
                char c;  
                for (int i = 0; i < count; i++) {
                    System.out.println(count);
                    c = orignal.charAt(i);  
                    buff.append(c);  
                    if (CutString.isChineseChar(c)) {  
                        // 遇到中文漢字，截取字節總數減1  
                        --count;  
                    }  
                }  
            //   System.out.println(new String(buff.toString().getBytes("GBK"),"UTF-8"));
                return new String(buff.toString().getBytes(),"UTF-8");  
            }  
        }  
        return orignal;  
    }  
 
    /**  
     * 按字節截取字符串  
     *   
     * @param orignal  
     *            原始字符串  
     * @param count  
     *            截取位數  
     * @return 截取后的字符串  
     * @throws UnsupportedEncodingException  
     *             使用了JAVA不支持的編碼格式  
     */  
    public static String gsubstring(String orignal, int count)   
            throws UnsupportedEncodingException {   
        // 原始字符不為null，也不是空字符串   
        if (orignal != null && !"".equals(orignal)) {   
            // 將原始字符串轉換為GBK編碼格式   
            orignal = new String(orignal.getBytes(), "GBK");   
            // 要截取的字節數大於0，且小於原始字符串的字節數   
            if (count > 0 && count < orignal.getBytes("GBK").length) {   
                StringBuffer buff = new StringBuffer();   
                char c;   
                for (int i = 0; i < count; i++) {   
                    c = orignal.charAt(i);   
                    buff.append(c);   
                    if (CutString.isChineseChar(c)) {   
                        // 遇到中文漢字，截取字節總數減1   
                        --count;   
                    }   
                }   
                return buff.toString();   
            }   
        }   
        return orignal;   
    }  
    
    /**  
     * 判斷傳進來的字符串，是否  
     * 大於指定的字節，如果大於遞歸調用
     * 直到小於指定字節數  
     * @param s  
     *            原始字符串  
     * @param num  
     *            傳進來指定字節數  
     * @return String 截取后的字符串  
     */
    public static String idgui(String s,int num){
        int changdu = s.getBytes().length;
        if(changdu > num){
            s = s.substring(0, s.length() - 1);
            s = idgui(s,num);
        }
        return s;
    }
    
    public static void main(String[] args) throws Exception{  
        // 原始字符串  
        String s = "我ZWR愛你們JAVA";  
        System.out.println("原始字符串：" + s + " : 字節數是: " + s.getBytes().length);  

/*            System.out.println("截取前1位：" + CutString.substring(s, 1));  
            System.out.println("截取前2位：" + CutString.substring(s, 2));  
            System.out.println("截取前4位：" + CutString.substring(s, 4)); */
            //System.out.println("截取前12位：" + CutString.substring(s, 12));  
            System.out.println("截取前12字節：" + CutString.idgui(s, 11));  
       
    }   
}


版權聲明：本文為博主原創文章，未經博主允許不得轉載。


免責聲明！

本站轉載的文章為個人學習借鑒使用，本站對版權不負任何法律責任。如果侵犯了您的隱私權益，請聯系本站郵箱yoyou2525@163.com刪除。



猜您在找 PHP截取帶有漢字的字符串，將漢字按兩個字節計算 按字節截取字符串避免半個漢字 JAVA按字節截取字符串 java 按字節截取字符串 java按字節截取字符串 java截取字符串中字節長度【轉】 Java字符串按照字節數進行截取 Java實現按字節長度截取字符串的方法 Java中根據字節截取字符串 C#、Java實現按字節截取字符串包含中文漢字和英文字符數字標點符號等
 
粵ICP備18138465號   © 2018-2025 CODEPRJ.COM