（JAVA）截取中英文混合字符串

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”。

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】