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;
        }
        
    }