含中文字符的字符串截取(面试题)

面试题目：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

 

1、原理

我们知道，根据编码的不同，汉字在字符串中所占字节也不一样，如果是UTF-8编码，汉字占3个字节，如果是GBK编码（本文利用的是GBK编码的实现），汉字占2个字节。但是，英文单词在字符串中，始终占用1个字节。所以，把字符串先转化为字符数组和字节数组，然后同时遍历两个数组，比较在数组同位置的值是否相等，如果相等，那么说明该字符是英文字符，如果不相同则说明该字符是中文字符，同时记录下来。大致原理就是这样的，大家看代码实现

 

2、代码实现

 

/**
 * @author Quenice
 */
public class StringSplit {
	public static void main(String[] args) throws Exception {
		System.out.println(split("a好a嗯哦",3));
	}
	
	public static String split(String str, int byteNum) throws Exception {
		String ret = null;
		/*
		 * 转换为字符数组,数组中的元素可能是英文字符,也可能是中文字符
		 */
		char[] charArr = str.toCharArray();
		/*
		 * 以GBK编码转换为字节数组,数组元素可能是英文也可能是半个中文,
		 * 如果字符串全部是英文字符的话，那么转换之后的效果其实和转换为字符数组是一个意思
		 */
		byte[] byteArr = str.getBytes("GBK");
		//在拆分个数范围(即byteNum)内，计算字节数组中有多少半个汉字
		int notCharLen = 0;
		for(int i = 0;i < byteNum;i ++) {
			if(i > charArr.length - 1) {
				notCharLen ++;
			} else {
				/*
				 * 比较字符数组和字节数组对应的元素是否相等，不等说明是半个汉字，notCharLen++，相当说明是英文字符，不操作
				 * charArr[i - notCharLen/2]就是对应于第i个字节
				 */
				if(charArr[i - notCharLen/2] != byteArr[i]) {
					notCharLen ++;
				}
			}
		}
		
		if(notCharLen%2 == 0) {//如果是2的膜，说明正好不用拆封汉字
			ret = str.substring(0,byteNum - notCharLen/2);
		} else {//需要拆封汉字
			ret = str.substring(0,byteNum - notCharLen/2 - 1);
		}
		return ret;
	}
}

  

评论

7 楼 lsfws 2013-07-04  

牛B。。。。

6 楼 Quenice 2013-07-02  

OK，谢谢提醒，注释已加上

thihy 写道

CodePoint！！！

5 楼 Quenice 2013-07-02  

hailongshih 写道

lz能否把注释写清楚,有些看不懂

不好意思啊，这几天比较忙，没时间搞这个~

4 楼 hailongshih 2013-07-02  

不错,谢谢lz,我看懂了

mrzhanghao 写道

通过toCharArray获取到字符数组,通过getBytes获得字节数组.
开始循环,如果两个数组的下标charArr[i - notCharLen/2]=i(这时notCharLen=0)相同的元素值相等,说明是英文字母,略过.
如果不同,说明在字节数组中这是汉字的前面半个.使得notCharLen++.
下次判断charArr[i - notCharLen/2]就将字节数组中的汉字计算在内了,两个数组的下标比较又在同一起跑线上了.

3 楼 mrzhanghao 2013-07-02  

通过toCharArray获取到字符数组,通过getBytes获得字节数组.
开始循环,如果两个数组的下标charArr[i - notCharLen/2]=i(这时notCharLen=0)相同的元素值相等,说明是英文字母,略过.
如果不同,说明在字节数组中这是汉字的前面半个.使得notCharLen++.
下次判断charArr[i - notCharLen/2]就将字节数组中的汉字计算在内了,两个数组的下标比较又在同一起跑线上了.

2 楼 hailongshih 2013-07-01  

lz能否把注释写清楚,有些看不懂

1 楼 thihy 2013-06-30  

CodePoint！！！