含中文字符截取

最新推荐文章于 2025-08-01 15:18:00 发布

转载最新推荐文章于 2025-08-01 15:18:00 发布 · 304 阅读

0 ·

本内容遵循CC 4.0 BY-SA版权协议

原文链接：https://www.cnblogs.com/ytxdroid/p/13407114.html

标签

#java #算法

该博客探讨了在处理包含中文字符的字符串时，由于ASCII、GBK和UTF-8编码字节长度不同可能导致的截取长度超出问题。提供了两种方法（方法1和方法2）来确保在UTF-8编码下，字符串截取不超过指定长度。方法通过循环减少截取长度，直到转换为UTF-8编码后的字节数不超过目标长度。

以定长字节输出含中文字符时，因ASCII码字符占1字节，而中文GBK字符占2字节，中文UTF-8字符占3字节，为避免输出长度超过定长，故需对含中文的内容进行处理。

// 方法1
    public static String subStrUtf8(String str, int beginIndex, int endIndex) {
        String subStr = "";
        try {
            int byteEndIndex = Math.min(str.length(), endIndex);
            int byteLen = 0;
            do {
                // 将要截取的子串长度减1，此处切记用 byteEndIndex--，而不是 --byteEndIndex
                subStr = str.substring(beginIndex, byteEndIndex--);

                // 更新subStr转为UTF-8的byte[]的长度
                byteLen = subStr.getBytes("UTF-8").length;

                // 只要byteLen大于最初想要截取的子串的值，则继续循环
            } while (byteLen > endIndex - beginIndex);
        } catch (UnsupportedEncodingException e) {
            e.printStackTrace();
        }
        return subStr;
    }

    //方法2
    public static String subStrUtf8(String str, int subLen) {
        String subStr = "";
        try {
            int byteEndIndex = Math.min(str.length(), subLen);
            int byteLen = 0;
            do {
                // 将要截取的子串长度减1，此处切记用 byteEndIndex--，而不是 --byteEndIndex
                subStr = str.substring(0, byteEndIndex--);

                // 更新subStr转为UTF-8的byte[]的长度
                byteLen = subStr.getBytes("UTF-8").length;

                // 只要byteLen大于最初想要截取的子串的值，则继续循环
            } while (byteLen > subLen);
        } catch (UnsupportedEncodingException e) {
            e.printStackTrace();
        }
        return subStr;
    }

    public static void main(String[] args) {
        String str = "abcd你好efgh谢谢";
        System.out.println(subStrUtf8(str, 0, 8));
        System.out.println(subStrUtf8(str, 8));
    }```