java截取中英文字符串_Java截取中英文混合字符串的方法

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】

以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持脚本之家。

你可能感兴趣的:(java截取中英文字符串)