java中如何从字符串中删选中文字符（GBK编码和UTF-8编码）

来源：互联网发布：房屋租赁哪个软件编辑：程序博客网时间：2024/04/28 19:19

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;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>

输出为：797$$$-74$$$-2$$$98$$$99$$$100$$$101$$$

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;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+"$$$");}}

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

0 0