分享

JAVA 中字符串的截取,要求不能截取半个汉字

 CevenCheng 2012-11-26
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"。 
 
import java.io.UnsupportedEncodingException;
 
/**
 * 截取的要点:
 * 1.首先将字符串转换成字节数组,再将字节数组的每个元素拿出来,判断有无负数(一个汉字为两个负数),即有汉字
 * 2.len:这个len是将字符串转换成字节数组的要截取的长度,
 *   如"我ABC你"的字节数组长度为7(-50,-46,65,66,67,-60,-29),而截取的是6(-50,-46,65,66,67,-60),
 * 3.对截取的字节数组(-50,-46,65,66,67,-60)统计负数的个数
 * 4.String里的方法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,而我们的字节数组一个函数
 *   就是两个字节,所以要想用substring方法,还需要将负数的个数count除以二才可以
 * @author Administrator
 *
 */
public class TestJq {
 public static String subString(String str, int len) {
  if (str == null && "".equals(str)) {
   return null;
  }
  // 将字符串中的char数组转换成指定编码方式的byte数组的函数
  byte[] strBytes = null;
  try {
   strBytes = str.getBytes("GBK");
  } catch (UnsupportedEncodingException e) {
   e.printStackTrace();
  }
  // 得到字符串的长度,判断截取字符串的长度是否在判断的范围内,否则返回原串
  int strLen = strBytes.length;
  if (len >= strLen || len < 1) {
   return str;
  }
   System.out.println("strBytes.length="+strBytes.length);
   System.out.println("len="+len);
  int count = 0;
  for (int i = 0; i < len; i++) {
   // 将每个字节数组转换为整型数,以为后面根据值的正负来判断是否为汉字
   int value = strBytes[i];
   System.out.print(value+",");  //我ABC你  -50,-46,65,66,67,-60,-29
   //对于第一种情况:
   //注,一个函数转换成整型数就为两个负整数,上面的”我ABC你“,
   //转换成整型数就为-50,-46,65,66,67,-60,-29,但是len=6,所以截取下来的就是-50,-46,65,66,67,-60,count就为3
   // 如果是汉字(负),则统计截取字符串中的汉字所占字节数
   if (value < 0) {
    count++;
   }
   System.out.println("zh count="+count);
  }
  // 依据判断给定的字符串是否含有汉字,利用String类的substring()方法来截取不同的长度
 
  // 根据所统计的字节数,判断截取到字符是否为半个汉字,奇数为半个汉字
  if (count % 2 != 0) {
   // 如果在截取长度为1时,则将该汉字取出,
   // 其他情况则不截取这里的截取长度则按字符长度截取(截取字节长度数-截取汉字字节数/2-截取到的半个汉字的字节数)
   len = (len == 1) ? len : len - count / 2 - 1; //len=6-3/2-1=4  我ABC
   // System.out.println("处理后的len="+len);
 
  } else {
   // 截取字符长度为字节长度-汉字所占字节长度/2(汉字占两个字节)
   len = len - (count / 2);
  }
  return str.substring(0, len);
 
 }
 
 public static void main(String[] args) {
 
//  String inStrTest = "我ABC你EFG";
//  String strTest = inStrTest.substring(0, 2);
//  System.out.println(strTest);
 
  System.out.println("--------- 情况一-----------");
  // 情况一:
  String inStr = "我ABC你";
  String str = subString(inStr, 6);
  System.out.println(str); // 我ABC www.
 
  System.out.println("---------- 情况二----------");
  // 情况二:首字符为汉字
  inStr = "我ABC汉DEF";
  str = subString(inStr, 1);
  System.out.println(str); // 我
 
  System.out.println("-----------情况三---------");
 
  // 情况三:中间有连续汉字
  inStr = "我AB爱孩子CDEF";
  str = subString(inStr, 9);
  System.out.println(str); // 我AB爱孩
 
  System.out.println("-----------情况四---------");
  // 情况四:没有汉字
  inStr = "ABCDEF";
  str = subString(inStr, 4);
  System.out.println(str); // ABCD
 }
 
}
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

    本站是提供个人知识管理的网络存储空间,所有内容均由用户发布,不代表本站观点。请注意甄别内容中的联系方式、诱导购买等信息,谨防诈骗。如发现有害或侵权内容,请点击一键举报。
    转藏 分享 献花(0

    0条评论

    发表

    请遵守用户 评论公约

    类似文章 更多