Java實現按位元組長度擷取字串的方法

個人實踐結果:

Web應用程式在瀏覽器中顯示字串時，由於顯示長度的限制，常常需要將字串擷取後再進行顯示。但目前很多流行的語言，如C#、Java內部採用的都是 Unicode 16（UCS2）編碼，在這種編碼中所有的字元都是兩個字元，因此，如果要擷取的字串是中、英文、數字混合的，就會產生問題，如下面的字串：
 

String s = "a加b等於c，如果a等1、b等於2，那麼c等3"; 

  上面的字串既有漢字，又有英文字元和數字。如果要擷取前6個位元組的字元，應該是”a加b等"，但如果用substring方法擷取前6個字元就成了"a 加b等於c"。產生這個問題的原因是將substring方法將雙位元組的漢字當成一個位元組的字元（UCS2字元）處理了。 要解決這個問題的方法是首先得到該字串的UCS2編碼的位元組陣列，如下面的程式碼如下：
 

byte[] bytes = s.getBytes("Unicode");

    由於上面生成的位元組陣列中前兩個位元組是標誌位，bytes[0] = -2，bytes[1] = -1，因此，要從第三個位元組開始掃描，對於一個英文或數字字元，UCS2編碼的第二個位元組是相應的ASCII，第一個位元組是0，如a的UCS2編碼是0  97，而漢字兩個位元組都不為0，因此，可以利於UCS2編碼的這個規則來計算實際的位元組數，該方法的實現程式碼如下：
 

    public static String bSubstring(String s, int length) throws Exception
    {

        byte[] bytes = s.getBytes("Unicode");
        int n = 0; // 表示當前的位元組數
        int i = 2; // 要擷取的位元組數，從第3個位元組開始
        for (; i < bytes.length && n < length; i++)
        {
            // 奇數位置，如3、5、7等，為UCS2編碼中兩個位元組的第二個位元組
            if (i % 2 == 1)
            {
                n++; // 在UCS2第二個位元組時n加1
            }
            else
            {
                // 當UCS2編碼的第一個位元組不等於0時，該UCS2字元為漢字，一個漢字算兩個位元組
                if (bytes[i] != 0)
                {
                    n++;
                }
            }
        }
        // 如果i為奇數時，處理成偶數
        if (i % 2 == 1)

        {
            // 該UCS2字元是漢字時，去掉這個截一半的漢字
            if (bytes[i - 1] != 0)
                i = i - 1;
            // 該UCS2字元是字母或數字，則保留該字元
            else
                i = i + 1;
        }

        return new String(bytes, 0, i, "Unicode");
    }

    下面程式碼使用了bSubstring方法：
 

String s = "a加b等於c，如果a等1、b等於2，那麼c等3";
System.out.println(bSubstring(s, 6));

    上面的程式碼擷取的字串是"a加b等"。