面试题：编写一个截取字符串的函数

        上周某公司笔试时遇到的题目，题目描述如下：

编程题

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”。

 这道题目的关键点有两个：

1、汉字按照2字节，英文字母按照1字节进行截取（需要找到对应的编码格式）

2、如何判断哪个是汉字，哪个是英文字母（需要找到区分汉字与字母的方法）

 

关于编码格式（参考文章），哪种编码能符合题目的要求呢，请看下面（参考文章）：

import java.io.UnsupportedEncodingException;

public class EncodeTest {
	/**
	 * 打印字符串在指定编码下的字节数和编码名称到控制台
	 * 
	 * @param s
	 *            字符串
	 * @param encodingName
	 *            编码格式
	 */
	public static void printByteLength(String s, String encodingName) {
		System.out.print("字节数：");
		try {
			System.out.print(s.getBytes(encodingName).length);
		} catch (UnsupportedEncodingException e) {
			e.printStackTrace();
		}
		System.out.println(";编码：" + encodingName);
	}

	public static void main(String[] args) {
		String en = "A";
		String ch = "人";

		// 计算一个英文字母在各种编码下的字节数
		System.out.println("英文字母：" + en);
		EncodeTest.printByteLength(en, "GB2312");
		EncodeTest.printByteLength(en, "GBK");
		EncodeTest.printByteLength(en, "GB18030");
		EncodeTest.printByteLength(en, "ISO-8859-1");
		EncodeTest.printByteLength(en, "UTF-8");
		EncodeTest.printByteLength(en, "UTF-16");
		EncodeTest.printByteLength(en, "UTF-16BE");
		EncodeTest.printByteLength(en, "UTF-16LE");

		System.out.println();

		// 计算一个中文汉字在各种编码下的字节数
		System.out.println("中文汉字：" + ch);
		EncodeTest.printByteLength(ch, "GB2312");
		EncodeTest.printByteLength(ch, "GBK");
		EncodeTest.printByteLength(ch, "GB18030");
		EncodeTest.printByteLength(ch, "ISO-8859-1");
		EncodeTest.printByteLength(ch, "UTF-8");
		EncodeTest.printByteLength(ch, "UTF-16");
		EncodeTest.printByteLength(ch, "UTF-16BE");
		EncodeTest.printByteLength(ch, "UTF-16LE");
	}
}

 

运行结果如下：

1. 英文字母：A
2. 字节数：1;编码：GB2312
3. 字节数：1;编码：GBK
4. 字节数：1;编码：GB18030
5. 字节数：1;编码：ISO-8859-1
6. 字节数：1;编码：UTF-8
7. 字节数：4;编码：UTF-16
8. 字节数：2;编码：UTF-16BE
9. 字节数：2;编码：UTF-16LE
10. 中文汉字：人
11. 字节数：2;编码：GB2312
12. 字节数：2;编码：GBK
13. 字节数：2;编码：GB18030
14. 字节数：1;编码：ISO-8859-1
15. 字节数：3;编码：UTF-8
16. 字节数：4;编码：UTF-16
17. 字节数：2;编码：UTF-16BE
18. 字节数：2;编码：UTF-16LE

可知，GB2312、GBK、GB18030三种编码格式都符合题目要求

 

如何判断哪个字符是中文，哪个是字母，可能有很多种方法，仁者见仁吧

一种，可以将字符串转化为字符数组，分别检查字符的GBK形式的字节长度

另一种，可以按照指定的字节数截取对应长度的字符串，然后判断子串的字节长度是否等于指定截取的字节长度，等于的话，说明子串没有中文，不等于的话，说明有中文字符。

请看相关代码：

 /**  
    * 判断是否是一个中文汉字  
    *   
     * @param c  
    *            字符  
     * @return true表示是中文汉字，false表示是英文字母  
     * @throws UnsupportedEncodingException  
     *             使用了JAVA不支持的编码格式  
     */  
    public static boolean isChineseChar(char c)   
            throws UnsupportedEncodingException {   
       // 如果字节数大于1，是汉字   
       // 以这种方式区别英文字母和中文汉字并不是十分严谨，但在这个题目中，这样判断已经足够了   
       return String.valueOf(c).getBytes("GBK").length > 1;   
    }   

 

 /**
     * 将给定的字符串按着给定的截取长度截取
     * <br>
     * 注意一个汉字占2个字节
     * @param str
     * @param subSLength
     * @return 截取后的字符串
     * @throws UnsupportedEncodingException 
     */
    public static String subStr(String str, int subSLength)
            throws UnsupportedEncodingException
    {
        
        if (str == null)
            return null;
        else
        {
            int tempSubLength = subSLength;//截取字节数
         subSLength=subSLength>str.length()?str.length():subSLength;            
            String subStr = str.substring(0, subSLength);//截取的子串
            
            int subStrByetsL = subStr.getBytes("GBK").length;//截取子串的字节长度
            
            // 说明截取的字符串中包含有汉字
            while (subStrByetsL > tempSubLength)
            {
                subStr = str.substring(0, --subSLength);
                subStrByetsL = subStr.getBytes("GBK").length;
            }
            return subStr;
        }
        
    }

 

 

评论

43 楼 dl12346 2011-05-30  

以前做项目的时候有做过，具体的实现忘记了，应该不是楼主的方法

42 楼 guo4623009 2011-05-30  

shaomeng95 写道

guo4623009 写道

文思创新的 ？？？？

不是，你为啥会想到文思创新？

我做过这个题目就是  文思创新的   杭州

41 楼 isaac.198 2011-05-12  

BBjava 写道

一道笔试题就要分析这么多，有点难为人了。

这题挺简单的呀，做一次线性扫描就行了，判断每个字符占的字节数，一直扫描到长度等于或大于长度限制时就返回 substring，只是楼主写的文字多了些，把你吓到了~~~

40 楼 nianien 2011-05-12  

java_user 写道

nianien 写道

wolf_awp 写道

我也实现了下，不需要用getBytes()这样的方法。
地址：http://zhaiyz.iteye.com/blog/1040743

其实题目的核心就是让汉字占两个字节
StringBuilder或StringBuffer是不用的
我们只需确定截取字符串的下标就可以了！
不同编码情况应该有不同的判断方法
你这里虽然没有用到getBytes()方法，但还是用了unicode。

再次声明，本题和编码是没有关系的
你只需要一种汉字占成两个字节，英文占一个字节的编码，不论这个编码是哪种格式

UTF-8中汉字是3字节吧

我是说找一种汉字占两个字节的编码格式,UTF-8 3字节,也没让你用它啊

39 楼 java_user 2011-05-12  

nianien 写道

wolf_awp 写道

我也实现了下，不需要用getBytes()这样的方法。
地址：http://zhaiyz.iteye.com/blog/1040743

其实题目的核心就是让汉字占两个字节
StringBuilder或StringBuffer是不用的
我们只需确定截取字符串的下标就可以了！
不同编码情况应该有不同的判断方法
你这里虽然没有用到getBytes()方法，但还是用了unicode。

再次声明，本题和编码是没有关系的
你只需要一种汉字占成两个字节，英文占一个字节的编码，不论这个编码是哪种格式

UTF-8中汉字是3字节吧

38 楼 nianien 2011-05-12  

wolf_awp 写道

我也实现了下，不需要用getBytes()这样的方法。
地址：http://zhaiyz.iteye.com/blog/1040743

其实题目的核心就是让汉字占两个字节
StringBuilder或StringBuffer是不用的
我们只需确定截取字符串的下标就可以了！
不同编码情况应该有不同的判断方法
你这里虽然没有用到getBytes()方法，但还是用了unicode。

再次声明，本题和编码是没有关系的
你只需要一种汉字占成两个字节，英文占一个字节的编码，不论这个编码是哪种格式

37 楼 myter7 2011-05-11  

其实， 题目很简单。
想说的是， 楼主的解题思路很清晰， 条件考虑的很仔细， 对编码的考虑确实合理。
也写过这个面试题， 当初没考虑编码， 后来才发现编码不同的环境下， 字符的字节不同。也懒得去改了。

http://myter7.iteye.com/blog/1011715

36 楼 wolf_awp 2011-05-11  

我也实现了下，不需要用getBytes()这样的方法。
地址：http://zhaiyz.iteye.com/blog/1040743

35 楼 nianien 2011-05-11  

shaomeng95 写道

nianien 写道

//根本和编码没有关系
//考虑的是字符串而不是字符
public class Test {
    public static String subString(String str, int bytes) {
        StringBuilder sb = new StringBuilder();
        int sum = 0;
        for (int i = 0; i < str.length(); i++) {
            String ch = str.substring(i, i + 1);
            if ((sum += ch.getBytes().length) > bytes) break;
            sb.append(ch);
        }
        return sb.toString();
    }
    public static void main(String[] args) {
        String str = "我ABC";
        System.out.println(subString(str,4));
        str = "我ABC汉DEF";
         System.out.println(subString(str,6));
    }

}

你再好好看看题目，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”。再问一下您，ch.getBytes()中默认的编码是什么，您知道吗？ 看你程序的输出：

有那么麻烦么？

public static String subString(String str, int bytes) throws Exception {  
int i = 1;  
for (; i <= str.length()&& str.substring(0, i).getBytes("GBK").length <= bytes; i++);  
return str.substring(0, i - 1);  
}

34 楼 nianien 2011-05-11  

shaomeng95 写道

duronshi 写道

nianien 写道

//根本和编码没有关系
//考虑的是字符串而不是字符
public class Test {
    public static String subString(String str, int bytes) {
        StringBuilder sb = new StringBuilder();
        int sum = 0;
        for (int i = 0; i < str.length(); i++) {
            String ch = str.substring(i, i + 1);
            if ((sum += ch.getBytes().length) > bytes) break;
            sb.append(ch);
        }
        return sb.toString();
    }
    public static void main(String[] args) {
        String str = "我ABC";
        System.out.println(subString(str,4));
        str = "我ABC汉DEF";
         System.out.println(subString(str,6));
    }

}

正解

兄弟，你好好运行一下上面的代码，看是否能得出题目要求的结果。

兄台，我还是坚持认为，这道题考得和编码根本没有任何关系，
你无非需要一种汉字用两个字节，英文用一个字节的编码而已，仅此而已
而你编写的Java程序，ch.getBytes()默认的是当前平台默认编码格式
而在中文环境下就是GBK，而且你可以随便指定编码ch.getBytes("GBK"),这OK
所以核心代码还是下面这个，就三句话而已

public static String subString(String str, int bytes) throws Exception {
int i = 1;
for (; i <= str.length()&& str.substring(0, i).getBytes("GBK").length <= bytes; i++);
return str.substring(0, i - 1);
}

33 楼 15210494746 2011-05-11  

没看大家的解决方案，自己尝试写了下。思路还真不一样。看了下楼主的解决办法，发现自己对JDK的API还需仔细研磨下，贴出菜鸟级的方法大家轻拍
public static void mySubString(String context,int byteIndex){
char [] context_chars = context.toCharArray();
List<Integer> chineseBeginIndex = new ArrayList<Integer>();
//将中文的byteBeginIndex放入集合
int j=0;
for(char c : context_chars){
if(String.valueOf(c).matches("[^u4E00-u9FA5]")){
chineseBeginIndex.add(j+1);
j+=2;
}else{
j++;
}
}
byte [] context_bytes = context.getBytes();
int byteLength = context_bytes.length;
byteIndex = byteIndex>byteLength?byteLength:byteIndex;
for(Integer v : chineseBeginIndex ){
if(v==byteIndex)byteIndex++;
}
byte [] resultBytes = new byte[byteIndex];
for(int i=0;i<byteIndex;i++){
resultBytes[i]=context_bytes[i];
}
System.out.println(new String(resultBytes));
}
public static void main(String[] args) {
mySubString("ABC12我是123AS啊", 6);
}

32 楼 shaomeng95 2011-05-11  

duronshi 写道

nianien 写道

//根本和编码没有关系
//考虑的是字符串而不是字符
public class Test {
    public static String subString(String str, int bytes) {
        StringBuilder sb = new StringBuilder();
        int sum = 0;
        for (int i = 0; i < str.length(); i++) {
            String ch = str.substring(i, i + 1);
            if ((sum += ch.getBytes().length) > bytes) break;
            sb.append(ch);
        }
        return sb.toString();
    }
    public static void main(String[] args) {
        String str = "我ABC";
        System.out.println(subString(str,4));
        str = "我ABC汉DEF";
         System.out.println(subString(str,6));
    }

}

正解

兄弟，你好好运行一下上面的代码，看是否能得出题目要求的结果。

31 楼 shaomeng95 2011-05-11  

nianien 写道

//根本和编码没有关系
//考虑的是字符串而不是字符
public class Test {
    public static String subString(String str, int bytes) {
        StringBuilder sb = new StringBuilder();
        int sum = 0;
        for (int i = 0; i < str.length(); i++) {
            String ch = str.substring(i, i + 1);
            if ((sum += ch.getBytes().length) > bytes) break;
            sb.append(ch);
        }
        return sb.toString();
    }
    public static void main(String[] args) {
        String str = "我ABC";
        System.out.println(subString(str,4));
        str = "我ABC汉DEF";
         System.out.println(subString(str,6));
    }

}

你再好好看看题目，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”。再问一下您，ch.getBytes()中默认的编码是什么，您知道吗？ 看你程序的输出：

30 楼 duronshi 2011-05-11  

nianien 写道

//根本和编码没有关系
//考虑的是字符串而不是字符
public class Test {
    public static String subString(String str, int bytes) {
        StringBuilder sb = new StringBuilder();
        int sum = 0;
        for (int i = 0; i < str.length(); i++) {
            String ch = str.substring(i, i + 1);
            if ((sum += ch.getBytes().length) > bytes) break;
            sb.append(ch);
        }
        return sb.toString();
    }
    public static void main(String[] args) {
        String str = "我ABC";
        System.out.println(subString(str,4));
        str = "我ABC汉DEF";
         System.out.println(subString(str,6));
    }

}

正解

29 楼 java_user 2011-05-11  

如果语言是java，那真是没什么好说的，根本就和是不是中文没有关系

但如果是C语言，那还是比较有难度的

28 楼 ouyangshixiong 2011-05-11  

public class TestCutString {

/**
* @param args
*/
public static void main(String[] args) {
String test = "abc中文def";
String rs = test.substring(1, 4);
System.out.println(rs);

}

}


bc中

27 楼 panpan123mail 2011-05-11  

nianien 写道

//根本和编码没有关系
//考虑的是字符串而不是字符
public class Test {
    public static String subString(String str, int bytes) {
        StringBuilder sb = new StringBuilder();
        int sum = 0;
        for (int i = 0; i < str.length(); i++) {
            String ch = str.substring(i, i + 1);
            if ((sum += ch.getBytes().length) > bytes) break;
            sb.append(ch);
        }
        return sb.toString();
    }
    public static void main(String[] args) {
        String str = "我ABC";
        System.out.println(subString(str,4));
        str = "我ABC汉DEF";
         System.out.println(subString(str,6));
    }

}

您这个运行结果就和运行环境的字符有很大关系，所以最好指定字符编码，以便准确输出

26 楼 nianien 2011-05-11  

再次郑重声明,本题和字符编码没有关系
大家需要清楚一个概念,字符串是由单个字符串(String)连接而成的,不是由单个字符(char)连接而成的
如 "中国"="中"+"国";
而不是"中国"='中'+'国';

  public static String subString2(String str, int bytes) {
        int i = 1;
        for (; i <= str.length() && str.substring(0, i).getBytes().length <= bytes; i++) ;
        return str.substring(0, i-1);
    }

25 楼 JE帐号 2011-05-11  

如果不是限定了汉语,这个问题没有那么简单,编码从来不是简单的问题.

比如说,test.toCharArray() 返回的其实不一定是实际的字符数,因为Character类还有增补字符这个概念.

	public static void main(String[] args) {
		
		System.out.println(Character.charCount(0x10000));
		System.out.println(new String(Character.toChars(0x10000)));
		
		String test = new StringBuilder().append('a').append('中').append(new String(Character.toChars(0x10000))).toString();
		
		System.out.println(test);	
		System.out.println(test.length());		

	}

上面的代码运行结果是:
a中?
4
虽然说那个?我们不知道是什么东西,但是从语义上来讲,它确实是单个字符,并且在java内部被两个char联合表示.
(顺便报告JE的一个bug,最初那个特殊字符我不是用?来代替的,而是使用符号本身,但是在提交后,发现回复从这个增补字符的地方被截断了)


有兴趣的朋友可以看看下面这篇文章:
Java 平台中的增补字符

24 楼 nianien 2011-05-11  

//根本和编码没有关系
//考虑的是字符串而不是字符
public class Test {
    public static String subString(String str, int bytes) {
        StringBuilder sb = new StringBuilder();
        int sum = 0;
        for (int i = 0; i < str.length(); i++) {
            String ch = str.substring(i, i + 1);
            if ((sum += ch.getBytes().length) > bytes) break;
            sb.append(ch);
        }
        return sb.toString();
    }
    public static void main(String[] args) {
        String str = "我ABC";
        System.out.println(subString(str,4));
        str = "我ABC汉DEF";
         System.out.println(subString(str,6));
    }

}