Web应用程序在浏览器中显示字符串时,由于显示长度的限制,常常需要将字符串截 取后再进行显示。
但目前很多流行的语言,如C#、Java内部采用的都是 Unicode 16(UCS2)编码,在这种编码中所有的字符都是两个字符,因此,如果要截取的字符串是中、英文、数字混合的,就会产生问题,如下面的字符串:
String s = " a 加b等于c,如果a等1、b等于2,那么c等3 " ;
上面的字符串既有汉字,又有英文字符和数字。如果要截取前6个字节的字符,应该是”a加b等",但如果用substring方法截取前6个字符就成 了"a 加b等于c"。 产生这个问题的原因是将substring方法将双字节的汉字当成一个字节的字符(UCS2字符)处理了。要解决这个问题的方法是首先得到该字符串的 UCS2编码的字节数组,如下面的代码如下:
byte
[] bytes
=
s.getBytes(
"
Unicode
"
);
由于上面生成的字节数组中前两个字节是标志位,bytes[0] = -2,bytes[1] = -1,因此,要从第三个字节开始扫描,对于一个英文或数字字符,UCS2编码的第二个字节是相应的ASCII,第一个字节是0,如a的UCS2编码是0 97,而汉字两个字节都不为0,因此,可以利于UCS2编码的这个规则来计算实际的字节数,该方法的实现代码如下:
public
static
String bSubstring(String s,
int
length)
throws
Exception
{
byte
[] bytes
=
s.getBytes(
"
Unicode
"
);
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
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
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
)
{
//
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
"
);
}
下面代码使用了bSubstring方法:
String s
=
"
a 加b等于c,如果a等1、b等于2,那么c等3
"
;
System.out.println(bSubstring(s,
6
));
上面的代码截取的字符串是" a加b等"