1.GBK编码中文占两个字节,英文占一个字节。下面进行一个小的程序的测试:
<span style="font-size:24px;">import java.io.UnsupportedEncodingException;输出为:797$$$-74$$$-2$$$98$$$99$$$100$$$101$$$
public class TestMain{
public static void main(String[] args) throws UnsupportedEncodingException
{
String str = "a二bcde";
byte[] by = str.getBytes("GBK");
System.out.print(by.length);
for(byte b: by)
System.out.print(b+"$$$");
}
}</span>
这里我们注意上面字符串中的中文字符被转换为两个byte,输出是都为负数
所以我们可以用byte[i] < 0判断是否为中文字符,如果是GBK编码那么,只要找到第一个byte[i]小于零的位置,连续连个位置即为中文字符。
2.UTF-8编码中文占三个字节,英文占两个字节。下面进行一小段程序的测试:
import java.io.UnsupportedEncodingException;输出为:897$$$-26$$$-120$$$-111$$$98$$$99$$$100$$$101$$$故我们可以从第一个byte[i] < 0的位置连续取3个字节,然后转化为字符串即是我们想要的中文字符
public class TestMain{
public static void main(String[] args) throws UnsupportedEncodingException
{
String str = "a我bcde";
byte[] by = str.getBytes("UTF-8");
System.out.print(by.length);
for(byte b: by)
System.out.print(b+"$$$");
}
}