中文截取的乱码问题

[Marco_Lee]

问题是这样的，一个汉字两个字节，比如现在有5个汉字的一个字符串，
代码大概是这样：

        String str = "乱码的问题";
    	//然后转换成byte数字
    	byte[] byteArray = str.getBytes();
    	//有一个随机数i,从i开始截取这个数组
    	int i = 6;//随机的
    	byte[] byteArray2 = new byte[byteArray.length - 1];
    	for(int j = i; j < byteArray.length; j++) {
    		byteArray2[j - i] = byteArray[j];
    	}
    	String str2;
		try {
			str2 = new String(byteArray2, "GBK");
			System.out.println("----->" + str2);//输出：----->鐨勯棶棰�����������
		} catch (UnsupportedEncodingException e) {
			e.printStackTrace();
		}

就是这样，问题应该很清晰了吧，如果开始截取字节的位置是某个汉字对应的第二个字节，往下所有的字都乱码了，
我也没有办法判断这个 i 是否在某个汉字的中间，因为还有标点符号数字等，

我现在是想，如果出现乱码，i加1就好了，但是怎么知道是否乱码了呢？

[fairjm]

很简单的呀 如果是乱码 byte值是负数

[Marco_Lee]

[Quote=引用 7 楼 的回复:]

上面的不对，改成：
Java code

while(mMbBuf.get(i)<-30){
i++;
}
//这时候得到的i应该就是汉子的第一个字节码，一般来说汉子的第一个字节码大于-30，而后两个小于-30
//这不是官方资料，是我观察的结果，所以你要多测试
[/Quote]

看来不行~~ 而且即使第一个字节码是大于30~ 但是截取到的第一个字节码还可能是标点符号~~

[scbb]

[Quote=引用 4 楼 的回复:]

判断下byte 一个个取，别切到半个汉字就好了吧？
[/Quote]
byte<=127 +1
else +2

这样不会切到半个了吧？

[xlhb]

while(mMbBuf.get(i)<-30){
i++;
}
//这时候得到的i应该就是汉子的第一个字节码，一般来说汉子的第一个字节码大于-30，而后两个小于-30
//这不是官方资料，是我观察的结果，所以你要多测试

[lip009]

[Quote=引用 10 楼 的回复:]

看来不行~~ 而且即使第一个字节码是大于30~ 但是截取到的第一个字节码还可能……
[/Quote]

标点符号如果是中文的，第一个字节码应该也是大于（-30）[这里是负30]的，跟中文一样，小于-30的字节码就是中文的第二或第三个字节码。

[lip009]

你这是要做啥啊？你这样弄，从几开始都是乱码，你把汉字的字节码都打乱了，怎么可能正确呢

[Marco_Lee]

[Quote=引用 1 楼 的回复:]

你这是要做啥啊？你这样弄，从几开始都是乱码，你把汉字的字节码都打乱了，怎么可能正确呢
[/Quote]

可能上面的例子不正确，其实我是在MappedByteBuffer里面取，不是String

[Marco_Lee]

[Quote=引用 1 楼 的回复:]

你这是要做啥啊？你这样弄，从几开始都是乱码，你把汉字的字节码都打乱了，怎么可能正确呢
[/Quote]

MappedByteBuffer mMbBuf = new RandomAccessFile(file, "r").getChannel().map(FileChannel.MapMode.READ_ONLY, 0, 100);

byte[] buf = new byte[10];
int i = 3;
		for (j = i; j < 10 + i; j++) {
			buf[j - i] = mMbBuf.get(j);
		}
String s = new String(buf, "GBK");
System.out.println("----->" + s);

大致这样~~

[scbb]

判断下byte 一个个取，别切到半个汉字就好了吧？

[Marco_Lee]

[Quote=引用 4 楼 的回复:]

判断下byte 一个个取，别切到半个汉字就好了吧？
[/Quote]

我就是不知道怎么判断啊··~~

[lip009]

试试这个，我没怎么测试，你最好多测测

        for (j = i; j < 10 + i; j++) {
            if(mMbBuf.get(j)<-30){
                i++;
            }
            buf[j - i] = mMbBuf.get(j);
        }

[lip009]

上面的不对，改成：

while(mMbBuf.get(i)<-30){
    i++;
}
//这时候得到的i应该就是汉子的第一个字节码，一般来说汉子的第一个字节码大于-30，而后两个小于-30
//这不是官方资料，是我观察的结果，所以你要多测试

[Marco_Lee]

[Quote=引用 7 楼 的回复:]

上面的不对，改成：
Java code

while(mMbBuf.get(i)<-30){
i++;
}
//这时候得到的i应该就是汉子的第一个字节码，一般来说汉子的第一个字节码大于-30，而后两个小于-30
//这不是官方资料，是我观察的结果，所以你要多测试


[/Quote]

好的！谢谢！我试试~~

[xhmlwaf]

public class Test {

	public static void main(String[] args) {
		
	
	}
	
	/**
	 * 
	 * @param str 要截取的字符
	 * @param bytelength  截取的字节长度
	 * @return
	 */
	public static String CutString(String str,int bytelength){
		
		String tmp = str.substring(0,6);
		while(tmp.getBytes().length>bytelength){
			tmp = tmp.substring(0,tmp.length()-1);
		}
		return tmp;
	}
}