java基础知识回顾之---java String final类普通方法的应用之“按照字节截取字符串”

/*
需求：在java中，字符串“abcd”与字符串“ab你好”的长度是一样，都是四个字符。
但对应的字节数不同，一个汉字占两个字节。
定义一个方法，按照最大的字节数来取子串。
如：对于“ab你好”，如果取三个字节，那么子串就是ab与“你”字的半个，
那么半个就要舍弃。如果去四个字节就是“ab你”，取五个字节还是“ab你”.
*/

代码：其实是一个解码和编码的问题，要明白UTF-8码表和GBK码表的区别，UTF-8中用三个字节代表一个汉字，GBK使用2个字节代表一个汉字。

且在码表中都是用数字存放这些汉字。例如在GBK码表中，“你”为“-60 -29”;“好”为“-70 -61”，"谢"为"-48 -69".

我们把字符串先变成字节，按字节截取字符串。也就是先编码成某个码表中的数字，然后在把数字翻译过来，也就是查码表。对于GBK码表来说，两个数字代表一个汉字，且一般汉字用负数代表。那么我们可以来统计负数的个数count来决定是否舍弃半个汉字的问题，然后在判断负数的个数的奇偶性，如果count是奇数，则截取最后一个数字，舍弃半个汉字，解码输出，如果是偶数，全部解码输出。

public class Test {

    /**
     * @param args
     * @throws IOException 
     */
    public static void main(String[] args) throws IOException {
        
         String str = "ab你好cd谢谢";// 97 98 -60 -29 -70 -61 99 100 -48 -69 -48 -69
        
        int len = str.getBytes("gbk").length;        
        for(int x=0; x<len; x++){
            System.out.println("截取"+(x+1)+"个字节结果是："+cutStringByByte(str, x+1));
        }
        
//        int len = str.getBytes("utf-8").length;        
//        for(int x=0; x<len; x++){
//            System.out.println("截取"+(x+1)+"个字节结果是："+cutStringByU8Byte(str, x+1));
//        }
         
    }
    
/*        String str1 = "琲";//-84 105
          byte[] buf = str1.getBytes("gbk");
          for(byte b : buf){
             System.out.print(" "+b);//-84  105 
*/
    /**
     * 使用Utf-8按照字节截取字符串，Utf-8用3个字节代表一个汉字。
     */
    public static String cutStringByU8Byte(String str, int len) throws IOException {
        
        byte[] buf = str.getBytes("utf-8");//编码
        System.out.println(buf);
        
        int count = 0;
        for(int x=len-1; x>=0; x--){
            if(buf[x]<0)
                count++;
            else
                break;
        }
        
        if(count%3==0)
            return new String(buf,0,len,"utf-8");//解码
        else if(count%3==1)
            return new String(buf,0,len-1,"utf-8");
        else 
            return new String(buf,0,len-2,"utf-8");
        
    }
    /**
     * 使用字节截取字符串，gbk默认一个汉字为2个字节，编码表用两个数字代表一个汉字。
     * （60 -29 -70 -61）代表你好
     * 思路：我们可以记录负数的个数，
     * 如果数字的个数为偶数，不用截取，没有半个汉字的情况，
     * 如果负数的个数为奇数，那么加入有5个数字，那么最后一个数字舍弃。变为4个数字，再解码。
     * @param str
     * @param len
     * @return
     * @throws IOException
     */
    public static String cutStringByByte(String str,int len) throws IOException{
        
        byte[] buf = str.getBytes("gbk");//把指定编码的字符串转化为字节，存放到字节数组中，编码
        int count = 0;
        for(int x=len-1; x>=0; x--){//从数组的最后面开始循环，记录负数的个数
            if(buf[x]<0)//汉字的编码表为负数
                count++;
            else
                break;
        }
        
        if(count%2==0)//负数的个数为偶数,不截取
            return new String(buf,0,len,"gbk");//解码
        else
            return new String(buf,0,len-1,"gbk");//舍弃一位数字，解码
    }
}