JAVA面试题解惑系列（六）——字符串（String）杂谈

removed.

请到博文下载PDF文件：http://zangweiren.iteye.com/blog/241218

评论

36 楼 sahero167 2008-10-21  

不顶，不行，我真的很感谢您的文章~希望您再接再厉，，谢谢！真的~！

35 楼 muyuqian 2008-09-03  

博主高人，望解惑。

有关字符串，其它语言的char函数可以将相临的两个大于ASCII码值的字符，以其16进制数值连接后,以一个unicode的字符显示。如char(202)+char(201),在powerbuilder里显示结果为：噬，但在java里，其不能有效联接。显示成：??   请看如下代码：

public class Test{
public static void main(String[] args){
char[] a = {97,98};
char[] b = {202,201};

String sa = new String(a);
String sb = new String(b);

System.out.println(sa);
System.out.println(sb);
}
}

其显示结果为
ab
??

单字节字符可以显示，双字节字符不能显示。java是否有像其它语言类似的办法，让相临字符连接后，以一个unicode码对应的值显示。不知我的问题表述清楚否？

34 楼 yu_xian81 2008-08-25  

见识了诸多高人，此行非虚！

33 楼 kruce 2008-08-13  

自造轮子，不如check下surrogate pair + codepoint

32 楼 rz_wang 2008-08-11  

多谢，辛苦了~！

31 楼 臧圩人 2008-07-28  

回复TNTest：

Very good！

非常感谢你提供的资料，很全面。我会在新版本中加入这方面内容的。期待你能够继续支持

30 楼 TNTest 2008-07-26  

又清晰了一些东西，谢谢 臧圩人。
就是最后关于判断中文的部分觉得还是有些东西需要说说。因为实际情况中正是这部分问题比较多。
zhanjia的方法简单又有效啊。
而且我不认为这里需要判断不同的编码方式，一个汉字对于String来说唯一对应一个unicode的code point，需要区分编码方式的情况只在String向外输出结果和向String传入的时候，一旦String生成后，它的内部编码是统一的。
而且把String打散成char是危险的，主要是code unit的问题。
实际情况中，
    如果input是String，判断是否中文根本无需考虑编码。
    如果input是Stream，一般来说会有相关的值标识它的编码方式，没有的话也能通过一些工具来得到（比如mozilla的jchardet），然后转换为String。
zhanjia的方法有两个问题:
1.需要完善对unicodez中关于中文的区段（Unicode Block）定义，这里有个总结的很全的：http://blog.oasisfeng.com/2006/10/19/full-cjk-unicode-range/
2.直接操作String来实现功能，性能上应该不会很好。

29 楼 constant 2008-07-23  

好，感谢lz解答

28 楼 臧圩人 2008-07-23  

回复constant：

String类的方法charAt(int index)跟substring()方法一样，是按照字符截取的，所以不会出现半个汉字的情况。但是在按字节截取时就会出现，请看：

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);
	}
}

运行结果：

• 我ZWR?

27 楼 constant 2008-07-23  

同时要保证不会出现截取了半个汉字的情况。

lz,什么时候会出现这种情况呢？c = orignal.charAt(i);   可能出现半个汉字？
举个例子看看。谢了

26 楼 臧圩人 2008-07-23  

JAVAWORLD.COM.TW网友hkdennis2k写道：

很少人會留意這一點
就是 String.getBytes 本來就很一件相對地很沒效率的動作
(getString 後寫入 stream 相比直接使用 writer)

JRE 的實現這個 method 的做法會引起大量而不必要的的 array copy, temporary object 和 class loading
特別是如果你交替使用多過一種 charset 的話情況會更嚴重

雖然自從 1.4 已有很大修改, 但效率還是比較低
(剛讀了 1.6 的 source, 好像好多了)

而且, CJK 不是 JRE 必需支持的 charset, 也有可能因應情況而出現 UnsupportedEncodingException

如果只是想 detect 某個 char 是否中文字,
Unicode 是有明確分出 CJK 的區段
只需用 Character.UnicodeBlock 就可以簡單地找出這個字是那一區

如果你整個 application 當中高密度使用 getBytes / new String 的話
是很容易令到 memory 和 GC 使用量受壓的
當我還是新手時就試過,
從 profiler 看到超不合理的 cpu time 和 byte[]/char[] 數量和大小
修正過後, 那個 JSP 和 server 整體的 response time 得到四倍以上提昇, 而 cpu /memory 用量卻大減一半以上

25 楼 臧圩人 2008-07-22  

回复wzpwork、Rainge、elf8848、yuanyao：
谢谢大家的支持和鼓励，请多多关注，多多提出宝贵意见

24 楼 yuanyao 2008-07-22  

捡回了点东西，谢了~~~

23 楼 elf8848 2008-07-22  

高人啊, 太好了

22 楼 Rainge 2008-07-21  

写得太好了，不得不顶

21 楼 wzpwork 2008-07-21  

好文章,写得很好.

20 楼 臧圩人 2008-07-21  

回复backbase：
谢谢你的支持，我会保持更新并尽力加快频率。请多多关注

19 楼 backbase 2008-07-21  

谢谢楼主的文章 ，要是每天都有这么好的一遍文章，那简直太棒了。呵呵

18 楼 臧圩人 2008-07-21  

回复billgacsli：
我看了你的文章，你的思路很有意思，不过这个思路是有漏洞的，比如“襆”恰好在被截取的字符串中，像“我ZWR爱JAVA襆”，你的方法就会得出错误的结果。

另外leftStr(str,11)=="我LRW爱";这里的11应该是6吧？

17 楼 billgacsli 2008-07-21  

关于最后一个，中文字符串的按字节截取问题，我想了一个新办法
LZ有兴趣可以看看http://billgacsli.programfan.com/
呵呵