一个截取字符串函数引发的思考

背景

前些天，遇到这样一个问题，问题的内容例如以下：

要求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。可是要保证汉字不被截半个，如“我ABC”, 4，截取后的效果应该为“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”。

问题

刚看到这个问题的时候，以为还是非常easy的，但写出来之后，发现并非想要的效果。回忆一下当时的思路，就发现刚開始思考的时候，就没有考虑好，并且把汉字会导致的问题给忽略了，就这样没有一个完整的思路，就直接開始写代码了。大家可想而知，写出来的效果当然不会是你想要的了。

既然题目中已经要求了汉字存在时应该出现什么样的结果，那么我们就应该考虑，怎样把英文和中文都统一成一种编码，而不是对它们进行单独的处理。设想一下，假设程序中对它们进行单独的处理，那么会出现什么样的问题呢？这个稍后再说。

实现

遇到这些问题之后，总得想办法解决吧，于是在网上找到了一种解决方式，主旨是，统一中英文的编码方式，即在GBK的编码方式下，把要截取的字符串转换为字节数组，此时，一个汉字就会转换为两个负数，比如，“我”就会转换为“-50, -46”。然后再针对截取到的负数的个数进行处理，就能够把汉字的问题攻克了。

截取函数代码

<span style="font-family:Microsoft YaHei;font-size:12px;">/**
 * 截取要点：
 * 1. 首先将字符串转换成字节数组，再将字节数组的每一个元素拿出来，推断有无负数（一个汉字为两个负数），就可以知道有没有汉字
 * 2. len：是将字符串转换成字节数组后，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 substring 方法将双字节的汉字当成一个字节的字符（UCS2字符）
 * 
 * @param str
 * @param len
 * @return
 */
public static String subString(String str, int len) {
	// 推断字符串是否为空
	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
	int strLen = strBytes.length;
	// 推断截取字符串的长度是否在推断的范围内，否则返回原串
	if (len >= strLen || len < 1) {
		return str;
	}
	
	// 打印出字符串长度和截取的长度
	System.out.println("strBytes.length = " + strBytes.length);
	System.out.println("len = " + len);
	
	int count = 0;
	for (int i = 0; i < len; i++) {
		// 将每一个字节数组转换为整型数，以为后面依据值的正负来推断是否为汉字
		int value = strBytes[i];
		// System.out.println("strBytes[" + i + "] = " + strBytes[i] + ",");
		System.out.println(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书就为两个负整数，上面的“我ABC你”，转换成整型数就为 -50,-46,65,66,67,-60,-29
		// 可是 len=6，所以截取下来就是 -50,-46,65,66,67,-60，count就为3
		// 假设是汉字（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("汉字字节码的数量为 " + count);
	}
	
	// 依据推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
	// 依据所统计的字节数，推断截取到字符是否为半个汉字，奇数为半个汉字
	if (count % 2 != 0) {
		// 假设在截取长度为1时，则将该汉字取出，其它情况则不截取（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("count / 2 = " + count / 2);
		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);
}</span>

測试代码

<span style="font-family:Microsoft YaHei;font-size:12px;">/**
 * @param args
 */
public static void main(String[] args) {
	// 情况一
	System.out.println("------------ 情况一  ------------");
	String inStr = "我ABC你";
	String str = subString(inStr, 6);
	System.out.println(str);	// 我ABC
	
	// 情况二
	System.out.println("------------ 情况二  ------------");
	inStr = "我ABC汉DEF";
	str = subString(inStr, 1);
	System.out.println(str);	// 我
	
	// 情况三
	System.out.println("------------ 情况三  ------------");
	inStr = "我AB爱孩子CDEF";
	str = subString(inStr, 9);
	System.out.println(str);	// 我AB爱孩
	
	// 情况四
	System.out.println("------------ 情况四  ------------");
	inStr = "ABCDEF";
	str = subString(inStr, 4);
	System.out.println(str); 	// ABCD
}</span>

測试结果

思考

通过这个题目，给了我非常多的启发，首先，在“下笔”之时，就应该考虑到灵活性的问题，尽管这里仅仅是中英文的字符串截取，可是假设再添加一种其它语言呢？扩展性就没有那么好了，这也是上边所提到的问题。好的设计是一方面，代码的实现上，也要做到解耦合。同一时候，这也提醒了我，在考虑问题的时候，首先不能一头扎到细节中，而是先要有一个全局观，对总体有个全面的了解，将详细的问题抽象化、简单化，层层剖析；做完这一点之后，才是对详细的问题详细分析。