字符串(String)杂谈

上一次我们已经一起回顾了面试题中常考的到底创建了几个 String 对象的相关知识,
这一次我们以几个常见面试题为引子,来回顾一下 String 对象相关的其它一些方面。


String 的 length()方法和数组的 length 属性 String 类有 length()方法吗?数组有 length()方法吗? String 类当然有 length()方法了,看看 String 类的源码就知道了,这是这个方法的定义: Java 代码
public int length() {
	return count;
}
String 的长度实际上就是它的属性--char 型数组 value 的长度。 数组是没有 length()方法的,大家知道,在 JAVA 中,数组也被作为对象来处理,它的方法都继承自 Object 类。 数组有一个属性 length,这也是它唯一的属性,对于所有类型的数组都是这样。
中文汉字在 char 中的保存一个中文汉字能保存在一个 char 类型里吗? 请看下面的例子: Java 代码
public class ChineseTest {
	public static void main(String[] args) {
		// 将一个中文汉字赋值给一个 char 变量
		char a = '中';
		char b = '文';
		char c = '测';
		char d = '试';
		char e = '成';
		char f = '功';
		System.out.print(a);
		System.out.print(b);
		System.out.print(c);
		System.out.print(d);
		System.out.print(e);
		System.out.print(f);
	}
}
编译没有报错,运行结果: 1. 中文测试成功 答案就不用说了。为什么一个中文汉字可以保存在一个 char 变量里呢?因为在 JAVA 中,一个 char 是 2 个字节(byte), 而一个中文汉字是一个字符,也是 2 个字节。而英文字母都是一个字节的,因此它也能保存到一个 byte 里,一个中文汉字却不能。 请看: Java 代码
public class ChineseTest {
	public static void main(String[] args) {
		// 将一个英文字母赋值给一个 byte 变量
		byte a = 'a';
		// 将一个中文汉字赋值给一个 byte 变量时,编译会报错
		// byte b = '中';
		System.out.println("byte a = " + a);
		// System.out.println("byte b = "+b);
	}
}
运行结果: 1. byte a = 97 正如大家所看到的那样,我们实际上是把字符'a'对应的 ASCII 码值赋值给了 byte 型变量 a。 让我们回过头来看看最初的例子,能不能将 a、b、c、d、e、f 拼接在一起一次输出呢? 让我们试试看: Java 代码
public class ChineseTest {
	public static void main(String[] args) {
		// 将一个中文汉字赋值给一个 char 变量
		char a = '中';
		char b = '文';
		char c = '测';
		char d = '试';
		char e = '成';
		char f = '功';
		System.out.print(a + b + c + d + e + f);
	}
}
运行结果: • 156035 这显然不是我们想要的结果。只所以会这样是因为我们误用了“+”运算符,当它被用于字符串和字符串之间,或者字符串和其他类型变量之间时, 它产生的效果是字符串的拼接;但当它被用于字符和字符之间时,效果等同于用于数字和数字之间,是一种算术运算。 因此我们得到的“156035”是'中'、'文 '、'测'、'试'、'成'、'功'这六个汉字分别对应的数值算术相加后的结果。
字符串的反转输出 这也是面试题中常考的一道。我们就以一个包含了全部 26 个英文字母,同时又具有完整含义的最短句子作为例子来完成解答。 先来看一下这个句子: A quick brown fox jumps over the lazy dog.(一只轻巧的棕色狐狸从那条懒狗身上跳了过去。) 最常用的方式就是反向取出每个位置的字符,然后依次将它们输出到控制台: Java 代码
public class StringReverse {
	public static void main(String[] args) {
		// 原始字符串
		String s = "A quick brown fox jumps over the lazy dog.";
		System.out.println("原始的字符串:" + s);
		System.out.print("反转后字符串:");
		for (int i = s.length(); i > 0; i--) {
			System.out.print(s.charAt(i - 1));
		}
		// 也可以转换成数组后再反转,不过有点多此一举
		char[] data = s.toCharArray();
		System.out.println();
		System.out.print("反转后字符串:");
		for (int i = data.length; i > 0; i--) {
			System.out.print(data[i - 1]);
		}
	}
}
运行结果: 1. 原始的字符串:A quick brown fox jumps over the lazy dog. 2. 反转后字符串:.god yzal eht revo spmuj xof nworb kciuq A 3. 反转后字符串:.god yzal eht revo spmuj xof nworb kciuq A 以上两种方式虽然常用,但却不是最简单的方式,更简单的是使用现有的方法: Java 代码
public class StringReverse {
	public static void main(String[] args) {
		// 原始字符串
		String s = "A quick brown fox jumps over the lazy dog.";
		System.out.println("原始的字符串:" + s);
		System.out.print("反转后字符串:");
		StringBuffer buff = new StringBuffer(s);
		// java.lang.StringBuffer 类的 reverse()方法可以将字符串反转
		System.out.println(buff.reverse().toString());
	}
}
运行结果: 1. 原始的字符串:A quick brown fox jumps over the lazy dog. 2. 反转后字符串:.god yzal eht revo spmuj xof nworb kciuq A
按字节截取含有中文汉字的字符串 要求实现一个按字节截取字符串的方法,比如对于字符串"我 ZWR 爱 JAVA",截取它的前四位字节应该是"我 ZW",而不是"我 ZWR", 同时要保证不会出现截取了半个汉字的情况。 英文字母和中文汉字在不同的编码格式下,所占用的字节数也是不同的,我们可以通过下面的例子来看看在一些常见的编码格式下, 一个英文字母和一个中文汉字分别占用多少字节。 Java 代码
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. 11. 中文汉字:人 12. 字节数:2;编码:GB2312 13. 字节数:2;编码:GBK 14. 字节数:2;编码:GB18030 15. 字节数:1;编码:ISO-8859-1 16. 字节数:3;编码:UTF-8 17. 字节数:4;编码:UTF-16 18. 字节数:2;编码:UTF-16BE 19. 字节数:2;编码:UTF-16LE UTF-16BE 和 UTF-16LE 是 UNICODE 编码家族的两个成员。 UNICODE 标准定义了UTF-8、UTF-16、UTF-32 三种编码格式, 共有UTF-8、UTF-16、UTF-16BE、UTF-16LE、UTF-32、UTF-32BE、UTF-32LE 七种编码方案。 JAVA 所采用的编码方案是 UTF-16BE。从上例的运行结果中我们可以看出, GB2312、GBK、GB18030 三种编码格式都可以满足题目的要求。 下面我们就以 GBK 编码为例来进行解答。 如果我们直接按照字节截取会出现什么情况呢?我们来测试一下: Java 代码
import java.io.UnsupportedEncodingException;

public class CutString {
	public static void main(String[] args) throws UnsupportedEncodingException {
		String s = "我ZWR爱 JAVA";
		// 获取 GBK 编码下的字节数据
		byte[] data = s.getBytes("GBK");
		byte[] tmp = new byte[6];
		// 将 data 数组的前六个字节拷贝到 tmp 数组中
		System.arraycopy(data, 0, tmp, 0, 6);
		// 将截取到的前六个字节以字符串形式输出到控制台
		s = new String(tmp);
		System.out.println(s);
	}
}
输出结果: 1. 我ZWR? 在截取前六个字节时,第二个汉字“爱”被截取了一半,导致它无法正常显示了,这样显然是有问题的。 我们不能直接使用 String 类的 substring(int beginIndex, int endIndex)方法,因为它是按字符截取的。 '我'和'Z'都被作为一个字符来看待,length 都是 1。 实际上我们只要能区分开中文汉字和英文字母,这个问题就迎刃而解了,而它们的区别就是,中文汉字是两个字节,英文字母是一个字节。 Java 代码
import java.io.UnsupportedEncodingException;

public class CutString {
/**
* 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;
}

	/**
	 * 按字节截取字符串
	 *
	 * @param orignal
	 *            原始字符串
	 * @param count
	 *            截取位数
	 * @return 截取后的字符串
	 * @throws UnsupportedEncodingException
	 *             使用了 JAVA 不支持的编码格式
	 */
	public static String substring(String orignal, int count) throws UnsupportedEncodingException {
		// 原始字符不为 null,也不是空字符串
		if (orignal != null && !"".equals(orignal)) {
			// 将原始字符串转换为 GBK 编码格式
			orignal = new String(orignal.getBytes(), "GBK");
			// 要截取的字节数大于 0,且小于原始字符串的字节数
			if (count > 0 && count < orignal.getBytes("GBK").length) {
				StringBuffer buff = new StringBuffer();
				char c;
				for (int i = 0; i < count; i++) {
					// charAt(int index)也是按照字符来分解字符串的
					c = orignal.charAt(i);
					buff.append(c);
					if (CutString.isChineseChar(c)) {
						// 遇到中文汉字,截取字节总数减 1
						--count;
					}
				}
				return buff.toString();
			}
		}
		return orignal;
	}

	public static void main(String[] args) {
		// 原始字符串
		String s = "我 ZWR 爱 JAVA";
		System.out.println("原始字符串:" + s);
		try {
			System.out.println("截取前 1 位:" + CutString.substring(s, 1));
			System.out.println("截取前 2 位:" + CutString.substring(s, 2));
			System.out.println("截取前 4 位:" + CutString.substring(s, 4));
			System.out.println("截取前 6 位:" + CutString.substring(s, 6));
		} catch (UnsupportedEncodingException e) {
			e.printStackTrace();
		}
	}
}
运行结果: 1. 原始字符串:我 ZWR 爱 JAVA 2. 截取前 1 位:我 3. 截取前 2 位:我 4. 截取前 4 位:我 ZW 5. 截取前 6 位:我 ZWR 爱



联系我们 | 友情链接