Java：根据字节数截取字符串，但是汉字不能截取半个。

「爱情、让人受尽委屈。」 2022-07-18 01:17 193阅读 0赞

截取字符串指定指定字节数的内容，如果指定的字节数在汉字的中间，汉字不能截取部分，只截取前面的内容。

package com.lcx.test;
    
    import java.io.UnsupportedEncodingException;
    /**
     * 
     *                                                                  
    截取字符串指定指定字节数的内容，如果指定的字节数在汉字的中间，汉字不能截取部分，只截取前面的内容。            
    如"ab我",截取3个字节的字符，如果采用非iso-8859-1编码 汉字所占字符超过1个字节，所以此时只能截取"ab" 。       
    题目意思：                                                                
    		应该是字符串中不存在乱码的情况下，如果编码形式是iso-8859-1,那么截取字符串就是截取的字节格式，         
    所以主要考核的是非iso-8859-1编码格式是如何截取。                                        
                                                                         
    思路：                                                                  
    假设截取 n个字节，                                                           
    截取字符串的n个字符，n个字符的GBK编码的字节数一定>=要截取字节个数，如果等于说明全是字母                      
    如果不等，说明包含汉字，截取的n个字符的字节数>需要截取的n个字节,故截取字符n-1，                          
    再次进行比较，直到，字节数n	和		截取字符串的字节数相等,那么所截取的字符串就是结果。                   
     * @author
     *
     */
    public class SubStringByBytes {
    
    	/**
    	 * @param args
    	 * @throws UnsupportedEncodingException
    	 */
    	public static void main(String[] args) throws UnsupportedEncodingException {
    		String en = "a";
    		String cn = "我";
    		System.out.println("英文_ISO-8859-1：" + en.getBytes("ISO-8859-1").length);
    		System.out.println("汉字_ISO-8859-1：" + cn.getBytes("ISO-8859-1").length);
    		System.out.println("英文_GBK：" + en.getBytes("GBK").length);
    		System.out.println("汉字_GBK：" + cn.getBytes("GBK").length);
    		System.out.println("英文_UTF-8：" + en.getBytes("UTF-8").length);
    		System.out.println("汉字_UTF-8：" + cn.getBytes("UTF-8").length);
    		
    		String str = "abc我们啊ddd";
    		/*
    		 * 这里还和截取何种编码的字节数有关，如果截取9个字节
    		 * GBK 是  abc我们啊
    		 * UTF8是  abc我们
    		 */
    		System.out.println(subStringByBytes(str, 9,"gbk"));
    		System.out.println(subStringByBytes(str, 9,"utf-8"));
    	}
    	/**
    	 * 
    	 * @param str 要截取的字符串
    	 * @param bytes 截取的字节数
    	 * @return
    	 * @throws UnsupportedEncodingException
    	 */
    	public static String subStringByBytes(String str, int bytes,String charSetName) throws UnsupportedEncodingException {
    		String subAfter = str.substring(0, bytes);
    		int temp = bytes;
    		try {
    			//直到截取的字符串的字节数  和   需要的 截取的字节数相等位为止
    			while(bytes < subAfter.getBytes(charSetName).length){
    				subAfter = subAfter.substring(0,--temp );
    			}
    		} catch (UnsupportedEncodingException e) {
    			e.printStackTrace();
    		}
    		return subAfter;
    	}
    	/**
    	 * 
    	 * @return 当前系统的编码格式 
    	 */
    	public static String getSystemEncode() {
    		System.getProperties().list(System.out);// 得到当前的系统属性。并将属性列表输出到控制台
    		String encoding = System.getProperty("file.encoding");
    		System.out.println("Encoding:" + encoding);
    		return encoding;
    	}
    }

重点就是要区分英文单个字符串和汉字单个字符串的不同，在非iso-8859-1的情况下都不相同，这样就可以进行区分了。

结果截图：

![Center][]

汉字在各种编码下所占字节数请见：

http://www.cnblogs.com/lancidie/archive/2013/04/12/3017241.html

[Center]: /images/20220717/e9718d95eafd4b57bab77f811a86f4c4.png