如何判断字符串中是否有中文

如何判断字符串中是否有中文 

2010-09-09 19:08:18|  分类： 默认分类 |  标签： |举报 |字号大中小 订阅

 
 
我发现，凡事任何事情，都要留个心，否则的话，就是看完了，也会忘记，我以前看了个笔试题，当时就是涉及到中文字符串的问题，结果，我就直接把人家的答案和总结拿来看了，也没去思考，结果，现在又碰到了这种问题，但是，我却忘得一干二净。
题目：1、编写一个截取字符串的函数，输入为一个字符串和字节数，输出为按字节截取的字符串，但要保证汉字不被截取半个，如“我答案：

首先要了解中文字符有多种编码及各种编码的特征。，这里，作者抓住了，凡是中文转换成byte[]数组的时候，是负数，这么个规律，进行解答，（其实我的疑问是，我很想搞清楚，为什么中文转换成byte数组，结果就是负数，它到底是怎么编码的，我找了很久，都没有结果，但是，找到了一些有用的信息，也许，我以后对中文乱码的时候，不会素手无策了。）

    假设n为要截取的字节数。

       p lic static void main(String[] args) throws Exception{

              String str = "我a爱中华abc我爱传智def';

              String str = "我ABC汉";

              int num = trimGBK(str.getBytes("GBK"),5);

              System.out.println(str.s string(0,num) );

       }

      

   p lic static int  trimGBK(byte[] b,int n){

              int num = 0;

              boolean bChineseFirstHalf = false;

              for(int i=0;i<n;i++)

              {

                     if(b[i]<0 && !bChineseFirstHalf){

                            bChineseFirstHalf = tr;

                     }else{

                            num++;

                            bChineseFirstHalf = false;                          

                     }

              }

              return num;

       }

     * 1、如果b[i]有63，不用转码； A-2      * 2、如果b[i]全大于0，那么为英文字符串，不用转码； B-1      * 3、如果b[i]有小于0的，那么已经乱码，要转码。 C-1      */
String string = "啊";  
       byte by[] = string.getBytes(); 
       for(int i=0;i<by.length;i++)
    System.out.println(by[i]);
 
       try {
    by = string.getBytes("utf8");
   } catch (UnsupportedEncodingException e) {
    e.printStackTrace();
   }
   for(int i=0;i<by.length;i++)
       System.out.println(by[i]);
   try {
    by = string.getBytes("gb2312");
   } catch (UnsupportedEncodingException e) {
    // TODO Auto-generated catch block
    e.printStackTrace();
   }
       for(int i=0;i<by.length;i++)
      System.out.println(by[i]);
       try {
    by = string.getBytes("iso-8859-1");
   } catch (UnsupportedEncodingException e) {
    // TODO Auto-generated catch block
    e.printStackTrace();
   }
       for(int i=0;i<by.length;i++)
      System.out.println(by[i]);
输出结果：
-80
-95
*
-27
-107
-118
*
-80
-95
*
63
转了一篇挺好的文章：关于Java编码问题

Java的编码问题挺烦的，以前总弄不清除，现在理了一下算是清晰一点。做个总结吧～

  1. 编码问题的由来 这个问题网上资料很多的，这里不多说了，推荐几篇吧。Java编码问题详解，计算机编码大全，转:谈谈Unicode编码，简要解释 S、UTF、BMP、BOM等名词。说的还是比较清楚了。下面主要用程序说说。
  2. String是什么？ 以前一直不清楚Java编码转来转去转的是啥。原来是因为不知道String是啥。在Java里，一个String就是一串Unicode编码的字符串。也就是说，Java在整个处理过程中，字符都是以Unicode编码的。具体使用的是UTF-16也就是双字节的Unicode编码。这就解释了Java中为啥有个16bit的char类型。String就是由一个个char组成的。一个char中存的就是一个对应字符的Unicode编码。 所以，Unicode在Java中成为一种“中间码”，因为他覆盖了基本上所有的字符。而其他编码的转换都可以通过他来完成。 PS:话说回来，用双字节的话还是无法覆盖整个字符集的（因为有UTF-32），所以以前曾怀疑过char是否真是用来放Unicode字符的，只有16的话以后扩展怎么办？现在确定了，扩展问题目前不用考虑。。。
  3. 转什么？怎么转？ 这里再说一个东西——byte。为啥说它？因为所有的转来转去都是在转它。为啥转它？因为他是字符编码的最小单位。一个byte 是8bit，所有编码方式都是由整数个byte组成的。所以，同一个String的不同编码方式可以理解为同一个字符的不同byte数组表示而已。所以，自然而然我们就可以看到这样的代码了： String S = “测试” s.getBytes(“utf8″); s.getBytes(“GB2312″); s.getBytes(“GBK”); 通过这种方式就可以获得任何编码的byte数组。所以，在知道了一个byte[]数组，和它的编码方式的情况下，我们就能获得对应的String，所以有了下面的代码： byte[] b = *****; String s = new String(b, “utf8″); s = new String(b, “gb2312″); 通过上面可以看出，从String可以获得任何编码的byte数组，但是从byte数组到String就要小心了，必须知道对应的编码方式才能进行。可以这么说，byte数组告诉了我们这个字符的内容，而编码方式告诉了我们如何去读这个byte数组才能获得我们需要的信息。
  4. 什么时候转？ 一句话——有IO的时候。编码问题主要出现在文件读取，网络传输等，可以说只要有信息传递的地方都存在这个问题。而在Java中，所有信息的获取（发送）已经被抽象为“流”的概念，所以，这就解释了为什么Java的IO中又加入了Reader和Writer。就是为了能让上层直接面对你所需要的信息，即：字符（char）；同时，提供统一的接口解决编码问题——想想看如果以上面String的形式来解决编码问题将会是一件多么可怕的事情～ 一个sample： p lic String dataReader(byte[] bytes, String charset) throws Exception { Reader reader = new InputStreamReader(new ByteArrayInputStream(bytes), charset); int c; String result = “” while( (c = reader.read()) != -1) { result += (char)c; } reader.close(); return result; }

     

    p lic byte[] dateWriter(String val, String charset) throws Exception { ByteArrayOutputStream out = new ByteArrayOutputStream(1024); Writer writer = new OutputStreamWriter(out, charset); char[] chars = val.toCharArray(); for (int i = 0; i < chars.length; i++) { char c = chars[i]; writer.write(c); } writer.flush(); writer.close(); return out.toByteArray(); } 上面sample与前面的从String获取byte数组和从byte数组生成String功能是一样的。流的实现虽然复杂，但是因为流抽象，所以可以很容易的替换为其他数据来源（如文件，网络等），而不用更改相关的处理代码。

  5. 为什么是“？”号 编码转换出问题时，最常见的是一个“？”。原因是当出现Java不认识的编码时（即UTF-16不能编码），则对应为一个“\ffd”，对应“？”号。此时再转换为其他部分编码时，则为“3F”。
  6. 神奇的“ISO-8859-1” 其实并不神奇，只是有点特殊而已。此编码只针对单字节（一个byte）进行编码，所以编码具有还原性。即不论何种编码的byte数组，使用此编码编码后，再使用此编码解码，可以还原到原来的byte数组。这是其他编码方式所不具备的。
  7. bit、byte、位、字节、汉字、字符
    1. package com.suypower.chengyu.test; 
    2.  
    3. public class ByteTest { 
    4.  
    5.     /**
    6.      * byte 8 bits -128 - + 127
    7.      * 1 bit = 1 二进制数据
    8.      * 1 byte = 8 bit
    9.      * 1 字母 = 1 byte = 8 bit(位)
    10.      * 1 汉字 = 2 byte = 16 bit
    11.      */ 
    12.     public static void main(String[] args) { 
    13.         // TODO Auto-generated method stub 
    14.         byte b1 = 127; 
    15.         byte b2 = -128; 
    16.         byte b3 = 'a'; 
    17.         byte b4 = 'A'; // 一个字母 = 1 byte = 8 bit 
    18. //      byte b5 ='aa';  这就错了 
    19. //      byte b6 ='中'; 这就错了 一个汉字 2个字节 16bit 
    20.         short s1 = '啊'; // 一个汉字 2个字节 16bit short 是 16 bit位的 
    21. //      short s2 = '汉字';  // 2个汉字 4个字节 32 bit int 是32 bit的 
    22. //      int i1 = '汉字';  但是 int 是数字类型的 , char 是 16 bit的 = 2 byte = 一个汉字 
    23.         char c1 = '汗'; 
    24. //      byte 转换 string 
    25.         String string = "中文"; 
    26.         byte by[] = string.getBytes(); 
    27.         String str = new String(by); 
    28.         System.out.println("str="+str); 
    29.     } 
    30.  
    31. } 
    32. ================================================================================== 
    33.  
    34. [Java-原创] bit、byte、位、字节、汉字、字符 
    35. bit、byte、位、字节、汉字的关系 
    36.  
    37.  
    38.         1 bit     = 1  二进制数据 
    39.         1 byte  = 8  bit 
    40.         1 字母 = 1  byte = 8 bit 
    41.         1 汉字 = 2  byte = 16 bit 
    42.  
    43.  
    44. 1. bit：位 
    45.     一个二进制数据0或1，是1bit； 
    46.  
    47. 2. byte：字节 
    48.     存储空间的基本计量单位，如：MySQL中定义 VARCHAR(45)  即是指 45个字节； 
    49.     1 byte = 8 bit 
    50.  
    51. 3. 一个英文字符占一个字节； 
    52.     1 字母 = 1 byte = 8 bit 
    53.  
    54. 4. 一个汉字占2个字节； 
    55.     1 汉字 = 2 byte = 16 bit 
    56.  
    57. 5. 标点符号 
    58.     A>.  汉字输入状态下，默认为全角输入方式； 
    59.     B>.  英文输入状态下，默认为半角输入方式； 
    60.  
    61.     C>.  全角输入方式下，标点符号占2字节； 
    62.     D>.  半角输入方式下，标点符号占1字节； 
    63.  
    64.     故：汉字输入状态下的字符，占2个字节 (但不排除，自己更改了默认设置)； 
    65.             英文输入状态下的字符，占1个字节 (但不排除，自己更改了默认设置)； 

http://blog.163.com/xiaopengyan_109/blog/static/14983217320108945657856/

posted @ 2014-03-12 14:28  萧萧  阅读(1018)  评论(0)    收藏  举报