Java按字节截取字符串问题

以前面试的时候，曾经做过Java中 如何按字节来截取字符串的问题。实际中用到时才发现，当时的解法没有顾虑到性能存好，怎么做才可以又快又好地按字节数截取字符串呢。（项目中要截取String的前10240个字节）
贴一个旧解法：

public static String SplitString(String str, int bytes) { 
        int count = 0; //统计字节数         
        String reStr = ""; //返回字符串
         if (str == null) { 
               return "";
         } 
        char[] tempChar = str.toCharArray(); 
        for (int i = 0; i < tempChar.length; i++) {
             String s1 = str.valueOf(tempChar[i]); 
             byte[] b = s1.getBytes();
             count += b.length;
             if (count <= bytes) {
                 reStr += tempChar[i];
             }
         }
        return reStr;
     } 

14 个解决方案

#1

不明白为什么你要那样截取。。

#2

诡异的需求，string存的是unicode，确定按奇数字节拆了还有意义？ 如果string里是单纯的字节流，那当初为何不用byte[]存呢。

#3

一个接口的参数要求不得超过10240字节。如超过10240，截取前10240字节发送。

#4

引用 2 楼 qq120848369 的回复:

诡异的需求，string存的是unicode，确定按奇数字节拆了还有意义？ 如果string里是单纯的字节流，那当初为何不用byte[]存呢。

一个接口的参数要求不得超过10240字节。如超过10240，截取前10240字节发送。 

#5

引用 1 楼 vnvlyp 的回复:

不明白为什么你要那样截取。。

一个接口的参数要求不得超过10240字节。如超过10240，截取前10240字节发送。 

#6

觉着你以前的那地方有两个地方可以处理下
一个是当达到bytes大小后直接break(减少不必要的循环)
一个是String的拼接改用StringBuffer(减少string +创建的新对象)

另一个方法直接获得byte数组(减少循环次数和字符串的拼接次数)
直接获取你上面的bytes位置的那个字节是是占的汉字还是其他
然后自己是去掉还是加上就看自己需要

#7

你都用toCharArray了，为什么不直接getBytes？然后用copyArray截取得到的byte数组不就行了？

#8

引用 6 楼 u010479715 的回复:

觉着你以前的那地方有两个地方可以处理下
一个是当达到bytes大小后直接break(减少不必要的循环)
一个是String的拼接改用StringBuffer(减少string +创建的新对象)

另一个方法直接获得byte数组(减少循环次数和字符串的拼接次数)
直接获取你上面的bytes位置的那个字节是是占的汉字还是其他
然后自己是去掉还是加上就看自己需要

第二种方法要怎么判断最后的字节是汉字的一半还是一个英文字符？

#9

引用 7 楼 vnvlyp 的回复:

你都用toCharArray了，为什么不直接getBytes？然后用copyArray截取得到的byte数组不就行了？

如果copy到最后一个字节是字符的一半怎么办

#10

引用 9 楼 kexinmei 的回复:

Quote: 引用 7 楼 vnvlyp 的回复:

你都用toCharArray了，为什么不直接getBytes？然后用copyArray截取得到的byte数组不就行了？

如果copy到最后一个字节是字符的一半怎么办

根据你的编码来判断是不是一个完整字符啊。。
比如UTF-8编码，单字节字符0xxxxxxx，双字节110xxxxx 10xxxxxx
三字节1110xxxx 10xxxxxx 10xxxxxx，四字节11110xxx 10xxxxxx 10xxxxxx 10xxxxxx

#11

引用 8 楼 kexinmei 的回复:

Quote: 引用 6 楼 u010479715 的回复:

觉着你以前的那地方有两个地方可以处理下
一个是当达到bytes大小后直接break(减少不必要的循环)
一个是String的拼接改用StringBuffer(减少string +创建的新对象)

另一个方法直接获得byte数组(减少循环次数和字符串的拼接次数)
直接获取你上面的bytes位置的那个字节是是占的汉字还是其他
然后自己是去掉还是加上就看自己需要

第二种方法要怎么判断最后的字节是汉字的一半还是一个英文字符？

大于0x80为双字节字符，否则为单字节字符==我直接搜的 你自己确定是不是吧

#12

文章地址： http://blog.csdn.net/arui319/article/details/1364006

#13

可以这样尝试：
1、取前10240字节构造一个字符串tmp
2、tmp取最后一个字符做字符串，再次getBytes 得到 byte[] arr1。tmp除了最后一个字符的前面字符串getBytes 得到 byte[] arr2
3、如果arr1.length + arr2.length != 10240，直接返回tmp除了最后一个字符的前面字符串
4、如果如果相等对arr1和10240最后arr1.length的字节比较，如果一样说明前10240正好是个无乱码的字符串。如果不一样返回tmp除了最后一个字符的前面字符串。

还没验证可行性。其实从效率上感觉不一定比你现在的方法好，你现在的访问需要做些修改。
1、每次取一个字符转换为字符串getbyte应该直接用substring来获得一个特定字节的String对象
其他如u010479715所说：
一个是当达到bytes大小后直接break(减少不必要的循环)
一个是String的拼接改用StringBuffer(减少string +创建的新对象) ， 这里如果是单线程的话用StringBuilder

#14

// 导入java.util下的所有类
import java.io.*;
/**
 * Description:
 * <br>Webside: <a href="https://github.com/zallerting">GitHub Of ZallerTing</a>
 * <br>Date: 2016-12-21
 * @author Zaller.Ting [e-mail]
 * @version 1.0
 * 微信/Wechat: ZALLER-TING
 * QQ: 851509660
 * Location：Kunshan
 * 实现输入(待截取字串,开始截取字节索引,截取字节长度)后，输出截取字节长度子串，不出现半个中文字符(?)
 */
public class CutStringByByte {
// 表示开始截取字节索引,首字符索引,字串最大长度,字串最大字节长度,子串长度,子串字节长度,前部分截取字节长度,截取字节长度,半个中文字符数量,临时变量
protected static int startByteIndex, firstStrIndex, maxStrLen, maxByteLen, subLen, subByteLen, beforeCutByteLen, cutByteLen, halfHanNum, tmp;
// 表示键盘输入的一行数据,待截取字串,截取子串变量
protected static String inputStr, beCutStr, subStr;
// 表示键盘输入的单个字符变量
protected static char ch;
// 表示键盘输入的一行数据组成的数组
protected static String[] inputStrArr;
// 表示以GBK编码方式解析的字节数组
protected static byte bytesByGBK[];
// 判断截取字节索引及截取字节长度是否在有效范围
protected static boolean isProperIndex, isProperLen;

// 判断是否为数值型字符串的方法(正数)
protected static boolean isNumbericStr(String inputStr) {
for(int i = 0; i < inputStr.length(); i++) {
// 返回指定索引处的字符
ch = inputStr.charAt(i);
if(ch < 46 || ch > 57) {
return false;
}
}
return true;
}

// 判断是否为数值型字符串的方法(负数)
protected static boolean isNegativeStr(String inputStr) {
ch = inputStr.charAt(0);
if(ch == '-') {
return true;
}
return false;
}

// 统计半个中文字符的数量
protected static int halfHanNum(int startByteIndex) {
// 初始化halfHanNum变量
halfHanNum = 0;
for(int i = 0; i <= startByteIndex; i++) {
// 字节索引对应值小于0时halfHanNum加1
if(bytesByGBK[i] < 0) {
++halfHanNum;
}
}
return halfHanNum;
}

// 找出需要截取子串第1个字符索引
protected static int find1stStrIndex(int startByteIndex, String subStr) {
// 统计半个中文字符的数量 
halfHanNum(startByteIndex);
// startByteIndex字节索引对应字符为非中文单字节字符, 取subStr最后1个字符
if(bytesByGBK[startByteIndex] > 0) {
firstStrIndex = subStr.length() > 0 ? subStr.length() - 1 : 0;
// startByteIndex字节索引为中文字符第1个字节, 取subStr后面1个字符
} else if(halfHanNum % 2 == 1){
firstStrIndex = subStr.length();
// startByteIndex字节索引为中文字符第2个字节, 取subStr后面1个字符
} else if(halfHanNum % 2 == 0){
firstStrIndex = subStr.length();
}
return firstStrIndex;
}

// 从指定字节索引startByteIndex截取cutByteLen长度的子串方法
    public static void subStr(String beCutStr, int startByteIndex, int cutByteLen) throws IOException  {
/**
 * 分两部分计算：
 * 一.截取从索引startByteIndex开始的maxStrLen长度的子串:
 *   1.截取从索引0开始的startByteIndex+1长度的子串;
 *   2.找出需要截取子串的第1个字符索引firstStrIndex;
 *   3.截取从索引firstStrIndex开始的maxStrLen长度的子串;
 *   
 * 二.截取从索引startByteIndex开始的cutByteLen长度的子串：
 *   1.重新计算需要截取字串最大长度maxStrLen;
 *   2.截取从索引firstStrIndex开始的cutByteLen长度的子串;
 *   3.返回从startByteIndex字节索引截取cutByteLen长度的子串subStr;
 */
 
/**
 * 第一部分：截取从索引startByteIndex开始的maxStrLen长度的子串
 */
// 字串最大长度
maxStrLen = beCutStr.length();
// 字串最大字节长度
maxByteLen = beCutStr.getBytes().length;
// 前一部分截取字节长度
beforeCutByteLen = startByteIndex > 0 ? startByteIndex + 1 : 0;
// 从索引[0]截取长度[beforeCutByteLen]的子串
subStr = beCutStr.substring(0, beforeCutByteLen > maxStrLen ? maxStrLen : beforeCutByteLen);
// 子串字节长度
subByteLen = subStr.getBytes("GBK").length;
// 子串字节长度赋给临时变量tmp
tmp = subByteLen;
// 前部分截取字节长度小于子串字节长度时
while(beforeCutByteLen < subByteLen) {
// 临时变量减1
--tmp; 
subStr = beCutStr.substring(0, tmp > maxStrLen ? maxStrLen : tmp); 
subByteLen = subStr.getBytes("GBK").length; 
}
// 找出需要截取子串第1个字符索引
find1stStrIndex(startByteIndex, subStr);
// 找出需要截取子串
subStr = beCutStr.substring(firstStrIndex, maxStrLen);
/**
   * 第二部分：截取从索引startByteIndex开始的cutByteLen长度的子串
 */
// 子串字节长度
subByteLen = subStr.getBytes("GBK").length;
// 重新计算需要截取字串最大长度
maxStrLen = maxStrLen - firstStrIndex;
// 子串字节长度赋给临时变量tmp
tmp = subByteLen;
// 需要截取字节长度小于子串字节长度时
while(cutByteLen < subByteLen) {
// 需要截取字节长度减1
--tmp; 
subStr = subStr.substring(0, tmp > maxStrLen ? maxStrLen : tmp); 
subByteLen = subStr.getBytes("GBK").length; 
}
System.out.println("“" + beCutStr + "” 从第" + startByteIndex + "字节索引截取" + cutByteLen + "字节的子串为: " + subStr + "\n");
}

// 主方法，程序的入口
public static void main(String[] args) throws IOException {
System.out.println("【本软件实现从指定字节索引截取指定字节长度子串的功能】\n");
System.out.print(" 以【待截字串,开始截取字节索引,截取字节长度】格式输入 :");
// 获取键盘输入字符串
BufferedReader br = new BufferedReader(new InputStreamReader(System.in));
while((inputStr = br.readLine()) != null) {
// 通过英文逗号分隔键盘输入的字符串
inputStrArr = inputStr.split(",");
    // 将键盘输入的第1个参数以"GBK"编码形式译码成1个字节数组
    bytesByGBK = inputStrArr[0].getBytes("GBK");
// 判断是否键盘输入包含英文逗号且以逗号分隔的字符串中第1个不为null
if(inputStr.contains(",") && !inputStr.contains("，") && inputStrArr[0] != null) {
// 判断是否键盘输入第2个及第3个均为数值型字符串
if(isNumbericStr(inputStrArr[1]) && isNumbericStr(inputStrArr[2])) {
// 转换数值型字符串为对应数值
startByteIndex = Integer.parseInt(inputStrArr[1]);
cutByteLen = Integer.parseInt(inputStrArr[2]);
// 判断键盘输入的第2个及第3个数值是否在合理范围内
isProperIndex = startByteIndex >= 0 && startByteIndex <= bytesByGBK.length ? true : false;
isProperLen = cutByteLen >= 0 && cutByteLen <= bytesByGBK.length - startByteIndex ? true : false;
// 再判断截取字串字节索引及字节长度是否正确
if(isProperIndex) {
if(isProperLen) {
// 从指定索引位置截取指定字节长度的子串
subStr(inputStrArr[0], startByteIndex, cutByteLen);
} else {
System.out.println("截取字节长度输入有误！");
}
} else {
System.out.println("开始截取字节索引输入有误！");
}
// 判断是否键盘输入第2个及第3个均为负数值型字符串
} else if(isNegativeStr(inputStrArr[1]) && isNegativeStr(inputStrArr[2])){
System.out.println("开始截取字节索引及截取字节长度均输入有误！");
} else if(isNegativeStr(inputStrArr[1]) && !isNegativeStr(inputStrArr[2])){
System.out.println("开始截取字节索引输入有误！");
} else if(!isNegativeStr(inputStrArr[1]) && isNegativeStr(inputStrArr[2])){
System.out.println("截取字节长度输入有误！");
}
// 判断是否键盘输入包含中文逗号
} else if(inputStr.contains("，")) {
System.out.println("请以英文逗号分隔字串、字节索引、字节长度！");
} else {
System.out.println("待截取字串输入为空！");
}
System.out.print(" 以【待截字串,开始截取字节索引,截取字节长度】格式输入 :");
}
}
}