* 在Java中字符串“abcd”和字符串“ab你好”都是4个字符，
* 但是字节数不同，因为GBK中一个汉字占两个字节
* 定义一个方法用来按字节数截取字符串。
* 如：对于“ab你好”，取3个字节，“你”的字节只取了一半，无法正确显示，所以就把那个字节舍去
* 若取4个字节就是“ab你”，取5个字节还是“ab你”
1 public class Test { 2 3 public static void main(String[] args) throws UnsupportedEncodingException { 4 String str=new String("ab你好w琲天"); 5 int len=str.getBytes("gbk").length; 6 for(int x=1;x<=len;x++){ 7 System.out.println("GBK编码，截取"+x+"个字节数的结果是"+cutStringByBytes(str, x)); 8 } 9 10 int len2=str.getBytes("utf-8").length; 11 for(int x=1;x<=len2;x++){ 12 System.out.println("utf-8编码，截取"+x+"个字节数的结果是"+cutStringU8StringByBytes(str, x)); 13 } 14 15 } 16 //对于utf-8编码，一个汉字三个字节，用int表示都是负数 17 public static String cutStringU8StringByBytes(String str, int len) throws UnsupportedEncodingException { 18 byte[] buf=str.getBytes("utf-8"); 19 int count=0; 20 for(int i=len-1;i>=0;i--){ 21 if(buf[i]<0) 22 count++; 23 else 24 break; 25 } 26 if(count%3==0){ 27 return new String(buf,0,len,"utf-8"); 28 } 29 else if(count%3==1) 30 return new String(buf,0,len-1,"utf-8"); 31 else 32 return new String(buf,0,len-2,"utf-8"); 33 } 34 35 //对于GBK编码，汉字的编码大部分是两个负数（因为高位字节是1），其他是一个负数一个正数（比如“琲”） 36 public static String cutStringByBytes(String str, int len) throws UnsupportedEncodingException { 37 byte[] buf=str.getBytes("gbk"); 38 int count=0; 39 for(int i=len-1;i>=0;i--){ 40 if(buf[i]<0) 41 count++; 42 else 43 break; 44 } 45 if(count%2==0){ 46 return new String(buf,0,len,"gbk"); 47 } 48 else 49 return new String(buf,0,len-1,"gbk"); 50 } 51 }
对于字符串“ab你好w琲天”的测试结果如下：
1 GBK编码，截取1个字节数的结果是a 2 GBK编码，截取2个字节数的结果是ab 3 GBK编码，截取3个字节数的结果是ab 4 GBK编码，截取4个字节数的结果是ab你 5 GBK编码，截取5个字节数的结果是ab你 6 GBK编码，截取6个字节数的结果是ab你好 7 GBK编码，截取7个字节数的结果是ab你好w 8 GBK编码，截取8个字节数的结果是ab你好w 9 GBK编码，截取9个字节数的结果是ab你好w琲 10 GBK编码，截取10个字节数的结果是ab你好w琲 11 GBK编码，截取11个字节数的结果是ab你好w琲天 12 13 utf-8编码，截取1个字节数的结果是a 14 utf-8编码，截取2个字节数的结果是ab 15 utf-8编码，截取3个字节数的结果是ab 16 utf-8编码，截取4个字节数的结果是ab 17 utf-8编码，截取5个字节数的结果是ab你 18 utf-8编码，截取6个字节数的结果是ab你 19 utf-8编码，截取7个字节数的结果是ab你 20 utf-8编码，截取8个字节数的结果是ab你好 21 utf-8编码，截取9个字节数的结果是ab你好w 22 utf-8编码，截取10个字节数的结果是ab你好w 23 utf-8编码，截取11个字节数的结果是ab你好w 24 utf-8编码，截取12个字节数的结果是ab你好w琲 25 utf-8编码，截取13个字节数的结果是ab你好w琲 26 utf-8编码，截取14个字节数的结果是ab你好w琲 27 utf-8编码，截取15个字节数的结果是ab你好w琲天