当前位置：首页 > news >正文

用Java实现按字节长度截取字符串的方法

news 来源：原创 2024/4/28 7:13:19

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 )

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