Java 截取中英文混合字符串

深碍√TFBOYSˉ_ 2022-08-07 14:51 180阅读 0赞

题目：

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”。

GB2312、GBK、GB18030，CP936以及CNS11643都满足条件 -- 中文是占用2个字节的，英文是占用1一个字节 。

因为中文转换为byte字节，随着编码的不同，转换的字节长度也会不通，如编码为UTF-8，一个中文字符串转换为byte占三个字节.

package com.suanfa;
    
    import java.io.UnsupportedEncodingException;
    
    public class CharactersSplit {
    	/**
    	 * @param text
    	 *            目标字符串
    	 * @param length
    	 *            截取长度
    	 * @param encode
    	 *            采用的编码方式
    	 * @return
    	 * @throws UnsupportedEncodingException
    	 */
    
    	public static String substring(String text, int length, String encode)
    			throws UnsupportedEncodingException {
    		if (text == null) {
    			return null;
    		}
    		StringBuilder sb = new StringBuilder();
    		int currentLength = 0;
    		for (char c : text.toCharArray()) {
    			currentLength += String.valueOf(c).getBytes(encode).length;
    			if (currentLength <= length) {
    				sb.append(c);
    			} else {
    				break;
    			}
    		}
    		return sb.toString();
    	}
    
    	public static void main(String[] args) throws UnsupportedEncodingException {
    		String text = "我ABC汉DEF";
    		int length1 = 3;
    		int length2 = 6;
    		String[] encodes = new String[] { "GB2312", "GBK", "GB18030", "CP936",
    				"CNS11643", "UTF-8" };
    
    		for (String encode : encodes) {
    			System.out.println(new StringBuilder().append("用").append(encode)
    					.append("编码截取字符串 -- 【").append(text).append("】")
    					.append(length1).append("个字节的结果是【")
    					.append(substring(text, length1, encode)).append("】")
    					.toString());
    			System.out.println(new StringBuilder().append("用").append(encode)
    					.append("编码截取字符串 -- 【").append(text).append("】")
    					.append(length2).append("个字节的结果是【")
    					.append(substring(text, length2, encode)).append("】")
    					.toString());
    		}
    
    	}
    }

运行后输出：

用GB2312编码截取字符串 -- 【我ABC汉DEF】3个字节的结果是【我A】
    用GB2312编码截取字符串 -- 【我ABC汉DEF】6个字节的结果是【我ABC】
    用GBK编码截取字符串 -- 【我ABC汉DEF】3个字节的结果是【我A】
    用GBK编码截取字符串 -- 【我ABC汉DEF】6个字节的结果是【我ABC】
    用GB18030编码截取字符串 -- 【我ABC汉DEF】3个字节的结果是【我A】
    用GB18030编码截取字符串 -- 【我ABC汉DEF】6个字节的结果是【我ABC】
    用CP936编码截取字符串 -- 【我ABC汉DEF】3个字节的结果是【我A】
    用CP936编码截取字符串 -- 【我ABC汉DEF】6个字节的结果是【我ABC】
    用CNS11643编码截取字符串 -- 【我ABC汉DEF】3个字节的结果是【我A】
    用CNS11643编码截取字符串 -- 【我ABC汉DEF】6个字节的结果是【我ABC】
    用UTF-8编码截取字符串 -- 【我ABC汉DEF】3个字节的结果是【我】
    用UTF-8编码截取字符串 -- 【我ABC汉DEF】6个字节的结果是【我ABC】