Java中以字節長度截取存在中文的字符串（UTF-8編碼）

背景：以定長字節輸出含中文字符時，因ASCII碼字符占1字節，而中文GBK字符占2字節，中文UTF-8字符占3字節，為避免輸出長度超過定長，故需對含中文的內容進行處理。

此處以輸出UTF-8為例，其他編碼同理。

 

    // 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 {
                // 將要截取的子串長度減1，此處切記用 byteEndIndex--，而不是 --byteEndIndex
                subStr = str.substring(beginIndex, byteEndIndex--);

                // 更新subStr轉為UTF-8的byte[]的長度
                byteLen = subStr.getBytes("UTF-8").length;

                // 只要byteLen大於最初想要截取的子串的值，則繼續循環
            } 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 {
                // 將要截取的子串長度減1，此處切記用 byteEndIndex--，而不是 --byteEndIndex
                subStr = str.substring(0, byteEndIndex--);

                // 更新subStr轉為UTF-8的byte[]的長度
                byteLen = subStr.getBytes("UTF-8").length;

                // 只要byteLen大於最初想要截取的子串的值，則繼續循環
            } while (byteLen > subLen);
        } catch (UnsupportedEncodingException e) {
            e.printStackTrace();
        }
        return subStr;
    }

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

 

運行結果：

abcd你
abcd你