截取字符串(处理汉字一半情况)

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 16UCS2)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”ab",但如果用substring方法截取前6个字符就成了"a 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] = -2bytes[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aUCS2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357等,为UCS2编码中两个字节的第二个字节
            if (i % 2 == 1)
            {
                n++; // UCS2第二个字节时n1
            }
            else
            {
                // 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)

        {
            // 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;
            // 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"ab"

 

你可能感兴趣的:(java,c,浏览器,C#,语言,byte)