字符、字节

一、通过getBytes("")获取各编码格式下的字符长度

字符指一个字母或一个字或一个标点或一个符号，不一定几个字节，看情况定，编码格式不同，每个字符所占字节不同

类型	GBK（字节）	UTF-8（字节）
字母数字	1	1
汉字	2	3
全角标点	2	3
半角标点	1	1

1.String  length();//字符的长度

如：

String str = "中文123" ;
int len = str.length;// len =5 ;

为字符长度，因为 其采用 Unicode 编码形式，存储的是 每个字符在 编码集合中的 编号（在内存中 每两个字节存储一个编号）
  
2.length  ;//字节的长度

如：

bytes [] byte = str.getBytes();
int lent = byte.length; // 字节长度 ， 

java代码：

		String name = "人1z,。";// 汉字 数字 字母 半角 全角
		try {
			byte [] test = name.getBytes("GBK");
			System.out.println(""+name.length()+"  " +test.length); // 7 = 2 + 1 + 1 + 1 + 2
			byte [] test1 = name.getBytes("UTF-8");
			System.out.println(""+name.length()+"  " +test1.length);// 9 = 3 + 1 + 1 + 1 + 3
		} catch (UnsupportedEncodingException e) {
			// TODO Auto-generated catch block
			e.printStackTrace();
		}  

     

数据表中对应的varchar char 类型 对应字符的长度 而不是字节的长度

		String str = "汉";
		byte[] bytes = str.getBytes("Unicode");
		for(int index = 0 ; index < bytes.length ; index++){
			System.out.println(bytes[index]);
		}
		System.out.println(bytes.length);

二、getBytes("Unicode") 相关工具类分析
Unicode 表示一个汉字用两个字节；
此处输出长度为4；
-2
-1
108
73

前两为为顺序表示；大头、小头；
http://blog.csdn.net/lcfeng1982/article/details/6830584

// 通过 length 即 字节长度截取指定长度的字符串，excepLength 为截取出现问题时的最低截取长度
	public static String bSubstring(String s, int length, int excepLength) {
		try {
			s = s.replaceAll("\\s*", "");
			byte[] bytes = s.getBytes("Unicode");  // Unicode 默认按照UnicodeLittleUnmarked 小头规则，一个字符两个字节表示，高位在第二个字节的位置
// 一个字符串总在第一个字符的编码前面加上编码顺序的标识
			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  
			// 0 1 2 按照数组下标的顺序取值；前两位为顺序标识，即告知系统当前的编码顺序时小头；系统默认处理
// 英文数字编码：高位为0；汉字高低位都不为0
// 当前系统按照Unicode取编码结果，默认按照大头顺序，即高位在前
// 从第三个字节开始，即i=2处开始，所以else 上判断是否为0，为0表示当前为ASCII中的值
			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
				// 从 2 开始，奇数位加一，偶数为不为0加一，length 指字节的长度，而不是字符的长度；
				// i 是当前的数组下标
				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) { // 为奇数即字符串中含有数字字母，偶数个，此处灵活配置，因为两个字符标识一个字符，只是强制判断当前是汉字且只有一位，舍弃
				// 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");
		} catch (Exception e) {
			JrdLogManager.runLog(Level.ERROR, "bSubstring exception :" + e);
			return s.replaceAll("\\s*", "").length() > excepLength ? s.replaceAll("\\s*", "").substring(0, excepLength) : s;
		}
	}