中、日、韩、英双字节字符的判断 0x80

StringTrimUtils，使用charArray，Java内部使用unicode，不用在意编码
java 代码

public class StringTrimUtils {

/**

* 截取一段字符的长度(汉、日、韩文字符长度为2),不区分中英文,如果数字不正好，则少取一个字符位

*

* @param str 原始字符串

* @param specialCharsLength 截取长度(汉、日、韩文字符长度为2)

* @return

*/

public static String trim(String str, int specialCharsLength) {

if (str == null || "".equals(str) || specialCharsLength < 1) {

return "";

}

char[] chars = str.toCharArray();

int charsLength = getCharsLength(chars, specialCharsLength);

return new String(chars, 0, charsLength);

}

/**

* 获取一段字符的长度，输入长度中汉、日、韩文字符长度为2，输出长度中所有字符均长度为1

* @param chars 一段字符

* @param specialCharsLength 输入长度，汉、日、韩文字符长度为2

* @return 输出长度，所有字符均长度为1

*/

private static int getCharsLength(char[] chars, int specialCharsLength) {

int count = 0;

int normalCharsLength = 0;

for (int i = 0; i < chars.length; i++) {

int specialCharLength = getSpecialCharLength(chars[i]);

if (count <= specialCharsLength - specialCharLength) {

count += specialCharLength;

normalCharsLength++;

} else {

break;

}

}

return normalCharsLength;

}

/**

* 获取字符长度：汉、日、韩文字符长度为2，ASCII码等字符长度为1

* @param c 字符

* @return 字符长度

*/

private static int getSpecialCharLength(char c) {

if (isLetter(c)) {

return 1;

} else {

return 2;

}

}

/**

* 判断一个字符是Ascill字符还是其它字符（如汉，日，韩文字符）

*

* @param char c, 需要判断的字符

* @return boolean, 返回true,Ascill字符

*/

private static boolean isLetter(char c) {

int k = 0x80;

return c / k == 0 ? true : false;

}

}

为什么要用c/k?
除法是向左做位移,判断最后的结果是否为0既可得出这个字节高位的第一位是1或0.

想想,
这里亦可以求c与k位与之后的值来判断是否为双字节字符.

照这个思路搜到一帖 http://topic.csdn.net/t/20040416/10/2972001.html
StrLenEx为测试字符串长度，但为何要*ptr & 0x80 呢？？

short StrLenEx( char *str )
{
char *ptr;
short slength = 0;

for( ptr = str; *ptr != '\0'; )
{
if( *ptr & 0x80 )
ptr += 2;
else
ptr ++;

slength++;
}

return slength;
}

StrLenEx为测试字符串长度，但为何要*ptr & 0x80 呢？？

为了识别双字节的字符，比如汉字或日文韩文等都是占两字节的, 每字节高位为1, 而一般西文字符只有一个字节，七位有效编码，高位为0

这个函数返回的是字符串的字符数，对双字节的字符只算一次

if( *ptr & 0x80 ) // 双字节字符 ?
ptr += 2; // 指针后移二位
else
ptr ++; // 指针后移一位

如
"abcdefgh" 字节数=8 字符数=8
"中cdefgh" 字节数=8 字符数=7

0x80对应的二进制代码为1000 0000,最高位为一,代表汉字.汉字编码格式通称为10格式.
一个汉字占2字节,但只代表一个字符

*ptr & 0x80
如果表达式为真，说明 *ptr 高位为 1, 则是双字节字符