截取字符串(处理汉字一半情况)
2012-07-13 15:04
295 查看
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 16(UCS2)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”a加b等",但如果用substring方法截取前6个字符就成了"a 加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] = -2,bytes[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a的UCS2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3、5、7等,为UCS2编码中两个字节的第二个字节 if (i % 2 == 1) { n++; // 在UCS2第二个字节时n加1 } else { // 当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) { // 该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; // 该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"a加b等"。 |
相关文章推荐
- 【华为oj】截取字符串,汉字不能截一半
- Delphi 处理在字符串截取中避免出现半个汉字
- 截取字符串 考虑汉字情况
- 面试题之——对包含汉字的字符串截取指定字节数
- 截取固定长度字符串显示在页面,多余部分显示为省略号(区分汉字和字符)
- 截取字符串,但要保证汉字不被截取半个
- VC带GBK编码的字符串拷贝函数,防止截取半个中文字符的情况发生
- PHP中文处理 中文字符串截取(mb_substr)和获取中文字符串字数
- BAT批处理中的字符串处理详解(字符串截取),bat批处理
- 批处理关于截取变量中字符串(字段)问题的详细说明
- PHP中文处理 中文字符串截取(mb_substr)和获取中文字符串字数
- NSString 字符串处理:截取字符串、匹配字符串、分隔字符串
- 用路径的方式处理字符串截取
- js对字符串的各种操作/比较/截取/乱码处理...(不断完善中)
- PHP截取各种编码的汉字字符串
- 截取字符串 包含中文处理,一个中文字符等于2个长度
- 截取字符串,汉字占两个字节,字母占一个字节
- TCPL学习笔记:编写expand(s1, s2),将字符串s1中类似于a-z一类的速记符号在s2中扩充完整。可以处理大小写及字符,以及a-b-c, a-z0-9以及-a-z等多种情况。
- 字符串区分汉字与字母的截取算法