JAVA面试题解惑系列（六）——字符串（String）杂谈

作者：臧圩人（zangweiren）
网址：http://zangweiren.javaeye.com

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：
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：
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：
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：
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：

引用
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：

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：
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：

原始的字符串：A quick brown fox jumps over the lazy dog.
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。

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：

英文字母：A
字节数：1;编码：GB2312
字节数：1;编码：GBK
字节数：1;编码：GB18030
字节数：1;编码：ISO-8859-1
字节数：1;编码：UTF-8
字节数：4;编码：UTF-16
字节数：2;编码：UTF-16BE
字节数：2;编码：UTF-16LE

中文汉字：人
字节数：2;编码：GB2312
字节数：2;编码：GBK
字节数：2;编码：GB18030
字节数：1;编码：ISO-8859-1
字节数：3;编码：UTF-8
字节数：4;编码：UTF-16
字节数：2;编码：UTF-16BE
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：

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。

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