截取中英文混合字符串

编写一个截取字符串的函数，输入为一个字符串和字节数，输出为按字节截取的字符串。 但是要保证汉字不被截半个，如“我ABC”4，应该截为“我AB”，输入“我ABC汉DEF”，6，应该输出为“我ABC”而不是“我ABC+汉的半个”。

GB2312、GBK、GB18030，CP936以及CNS11643都满足条件 -- 中文是占用2个字节的，英文是占用1一个字节 。

中文编码资料：

中文字符编码简介

http://www.cftea.com/c/2008/03/140B5A561NFN51DS.asp

中文编码基础知识介绍
http://www.eygle.com/digest/2007/01/zhs16gbk_char.html


JAVA 编码

import java.io.UnsupportedEncodingException;

/**
 * 题目： 编写一个截取字符串的函数，输入为一个字符串和字节数， 输出为按字节截取的字符串。 但是要保证汉字不被截半个，如“我ABC”4，
 * 应该截为“我AB”，输入“我ABC汉DEF”，6， 应该输出为“我ABC”而不是“我ABC+汉的半个”。
 * 
 * 解决方法： 中文是占用2个字节的，英文是占用1一个字节， 所以先确定一种编码满足此条件。
 * GB2312、GBK、GB18030，CP936以及CNS11643都满足条件。
 * 
 * @author Eric
 * @version 1.0
 * 
 */
public class CharactersSplit {

 /**
  * 
  * @param text 目标字符串
  * @param length 截取长度
  * @param encode 采用的编码方式
  * @return
  * @throws UnsupportedEncodingException
  */
 public String substring(String text, int length, String encode)
   throws UnsupportedEncodingException {
  if (text == null) {
   return null;
  }
  StringBuilder sb = new StringBuilder();
  int currentLength = 0;
  for (char c : text.toCharArray()) {
   currentLength += String.valueOf(c).getBytes(encode).length;
   if (currentLength <= length) {
    sb.append(c);
   } else {
    break;
   }
  }
  return sb.toString();

 }

 public void test() throws Exception {
  String text = "我ABC汉DEF";
  int length1 = 3;
  int length2 = 6;
  String[] encodes = new String[] { "GB2312", "GBK", "GB18030", "CP936",
    "CNS11643" };
  for (String encode : encodes) {
   System.out.println(new StringBuilder().append("用").append(encode)
     .append("编码截取字符串 -- 【").append(text).append("】").append(
       length1).append("个字节的结果是【").append(
       substring(text, length1, encode)).append("】")
     .toString());
   System.out.println(new StringBuilder().append("用").append(encode)
     .append("编码截取字符串 -- 【").append(text).append("】").append(
       length2).append("个字节的结果是【").append(
       substring(text, length2, encode)).append("】")
     .toString());

  }
 }

 public static void main(String[] args) throws Exception {
  new CharactersSplit().test();
 }

}

测试结果：

用GB2312编码截取字符串 -- 【我ABC汉DEF】3个字节的结果是【我A】
用GB2312编码截取字符串 -- 【我ABC汉DEF】6个字节的结果是【我ABC】

用GBK编码截取字符串 -- 【我ABC汉DEF】3个字节的结果是【我A】
用GBK编码截取字符串 -- 【我ABC汉DEF】6个字节的结果是【我ABC】

用GB18030编码截取字符串 -- 【我ABC汉DEF】3个字节的结果是【我A】
用GB18030编码截取字符串 -- 【我ABC汉DEF】6个字节的结果是【我ABC】

用CP936编码截取字符串 -- 【我ABC汉DEF】3个字节的结果是【我A】
用CP936编码截取字符串 -- 【我ABC汉DEF】6个字节的结果是【我ABC】

用CNS11643编码截取字符串 -- 【我ABC汉DEF】3个字节的结果是【我A】
用CNS11643编码截取字符串 -- 【我ABC汉DEF】6个字节的结果是【我ABC】