Java按字节长度截取字符串

来源(编程爱好者网站 programfan.com)

From: http://www.programfan.com/article/3304.html

(加入日期:2009-10-26)

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) {

        if (bytes[i - 1] != 0)  // 该UCS2字符是汉字时,去掉这个截一半的汉字
            i = i - 1;
        else                    // 该UCS2字符是字母或数字,则保留该字符
            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"。

Link: http://www.asm32.net/article_details.aspx?id=4686


浏览次数 6 发布时间 2010/1/20 9:05:50 从属分类 Java 【评论】【 】【打印】【关闭
 
| www.asm32.net | 2006版 | 资料中心 | linux | asm/asm32 | C/C++ | VC++ | java | Python | 书签 | ASP.Net书签 | 京ICP备09029108号-1