`

JAVA面试题解惑系列（六）——字符串（String）杂谈 转载自javaeye

    博客分类：
  • java
面试JavaCC++C# 
阅读更多
 http://zangweiren.iteye.com/blog/216005
2008-07-18

JAVA面试题解惑系列（六）——字符串（String）杂谈

关键字: java 面试题 字符串 string
作者：臧圩人（zangweiren）
网址：http://zangweiren.iteye.com

>>>转载请注明出处！<<<

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：
Java代码 复制代码
  1. public int length() {  
  2.     return count;  
  3. }  

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：
Java代码 复制代码
  1. public class ChineseTest {  
  2.     public static void main(String[] args) {  
  3.         // 将一个中文汉字赋值给一个char变量  
  4.         char a = '中';  
  5.         char b = '文';  
  6.         char c = '测';  
  7.         char d = '试';  
  8.         char e = '成';  
  9.         char f = '功';  
  10.         System.out.print(a);  
  11.         System.out.print(b);  
  12.         System.out.print(c);  
  13.         System.out.print(d);  
  14.         System.out.print(e);  
  15.         System.out.print(f);  
  16.     }  
  17. }  

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：
Java代码 复制代码
  1. public class ChineseTest {  
  2.     public static void main(String[] args) {  
  3.         // 将一个英文字母赋值给一个byte变量  
  4.         byte a = 'a';  
  5.         // 将一个中文汉字赋值给一个byte变量时，编译会报错  
  6.         // byte b = '中';  
  7.   
  8.         System.out.println("byte a = " + a);  
  9.         // System.out.println("byte b = "+b);  
  10.     }  
  11. }  

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：
Java代码 复制代码
  1. public class ChineseTest {  
  2.     public static void main(String[] args) {  
  3.         // 将一个中文汉字赋值给一个char变量  
  4.         char a = '中';  
  5.         char b = '文';  
  6.         char c = '测';  
  7.         char d = '试';  
  8.         char e = '成';  
  9.         char f = '功';  
  10.         System.out.print(a + b + c + d + e + f);  
  11.     }  
  12. }  

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：
Java代码 复制代码
  1. public class StringReverse {  
  2.     public static void main(String[] args) {  
  3.         // 原始字符串  
  4.         String s = "A quick brown fox jumps over the lazy dog.";  
  5.         System.out.println("原始的字符串：" + s);  
  6.   
  7.         System.out.print("反转后字符串：");  
  8.         for (int i = s.length(); i > 0; i--) {  
  9.             System.out.print(s.charAt(i - 1));  
  10.         }  
  11.   
  12.         // 也可以转换成数组后再反转，不过有点多此一举  
  13.         char[] data = s.toCharArray();  
  14.         System.out.println();  
  15.         System.out.print("反转后字符串：");  
  16.         for (int i = data.length; i > 0; i--) {  
  17.             System.out.print(data[i - 1]);  
  18.         }  
  19.     }  
  20. }  

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：
Java代码 复制代码
  1. public class StringReverse {  
  2.     public static void main(String[] args) {  
  3.         // 原始字符串  
  4.         String s = "A quick brown fox jumps over the lazy dog.";  
  5.         System.out.println("原始的字符串：" + s);  
  6.   
  7.         System.out.print("反转后字符串：");  
  8.         StringBuffer buff = new StringBuffer(s);  
  9.         // java.lang.StringBuffer类的reverse()方法可以将字符串反转  
  10.         System.out.println(buff.reverse().toString());  
  11.     }  
  12. }  

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


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。
Java代码 复制代码
  1. import java.io.UnsupportedEncodingException;  
  2.   
  3. public class EncodeTest {  
  4.     /** 
  5.      * 打印字符串在指定编码下的字节数和编码名称到控制台 
  6.      *  
  7.      * @param s 
  8.      *            字符串 
  9.      * @param encodingName 
  10.      *            编码格式 
  11.      */  
  12.     public static void printByteLength(String s, String encodingName) {  
  13.         System.out.print("字节数：");  
  14.         try {  
  15.             System.out.print(s.getBytes(encodingName).length);  
  16.         } catch (UnsupportedEncodingException e) {  
  17.             e.printStackTrace();  
  18.         }  
  19.         System.out.println(";编码：" + encodingName);  
  20.     }  
  21.   
  22.     public static void main(String[] args) {  
  23.         String en = "A";  
  24.         String ch = "人";  
  25.   
  26.         // 计算一个英文字母在各种编码下的字节数  
  27.         System.out.println("英文字母：" + en);  
  28.         EncodeTest.printByteLength(en, "GB2312");  
  29.         EncodeTest.printByteLength(en, "GBK");  
  30.         EncodeTest.printByteLength(en, "GB18030");  
  31.         EncodeTest.printByteLength(en, "ISO-8859-1");  
  32.         EncodeTest.printByteLength(en, "UTF-8");  
  33.         EncodeTest.printByteLength(en, "UTF-16");  
  34.         EncodeTest.printByteLength(en, "UTF-16BE");  
  35.         EncodeTest.printByteLength(en, "UTF-16LE");  
  36.   
  37.         System.out.println();  
  38.   
  39.         // 计算一个中文汉字在各种编码下的字节数  
  40.         System.out.println("中文汉字：" + ch);  
  41.         EncodeTest.printByteLength(ch, "GB2312");  
  42.         EncodeTest.printByteLength(ch, "GBK");  
  43.         EncodeTest.printByteLength(ch, "GB18030");  
  44.         EncodeTest.printByteLength(ch, "ISO-8859-1");  
  45.         EncodeTest.printByteLength(ch, "UTF-8");  
  46.         EncodeTest.printByteLength(ch, "UTF-16");  
  47.         EncodeTest.printByteLength(ch, "UTF-16BE");  
  48.         EncodeTest.printByteLength(ch, "UTF-16LE");  
  49.     }  
  50. }  

运行结果如下：
  1. 英文字母：A
  2. 字节数：1;编码：GB2312
  3. 字节数：1;编码：GBK
  4. 字节数：1;编码：GB18030
  5. 字节数：1;编码：ISO-8859-1
  6. 字节数：1;编码：UTF-8
  7. 字节数：4;编码：UTF-16
  8. 字节数：2;编码：UTF-16BE
  9. 字节数：2;编码：UTF-16LE

  11. 中文汉字：人
  12. 字节数：2;编码：GB2312
  13. 字节数：2;编码：GBK
  14. 字节数：2;编码：GB18030
  15. 字节数：1;编码：ISO-8859-1
  16. 字节数：3;编码：UTF-8
  17. 字节数：4;编码：UTF-16
  18. 字节数：2;编码：UTF-16BE
  19. 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：
Java代码 复制代码
  1. import java.io.UnsupportedEncodingException;     
  2.     
  3. public class CutString {     
  4.     public static void main(String[] args) throws UnsupportedEncodingException {     
  5.         String s = "我ZWR爱JAVA";     
  6.         // 获取GBK编码下的字节数据     
  7.         byte[] data = s.getBytes("GBK");     
  8.         byte[] tmp = new byte[6];     
  9.         // 将data数组的前六个字节拷贝到tmp数组中     
  10.         System.arraycopy(data, 0, tmp, 0, 6);     
  11.         // 将截取到的前六个字节以字符串形式输出到控制台     
  12.         s = new String(tmp);     
  13.         System.out.println(s);     
  14.     }     
  15. }   

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。
Java代码 复制代码
  1. import java.io.UnsupportedEncodingException;  
  2.   
  3. public class CutString {  
  4.   
  5.     /** 
  6.      * 判断是否是一个中文汉字 
  7.      *  
  8.      * @param c 
  9.      *            字符 
  10.      * @return true表示是中文汉字，false表示是英文字母 
  11.      * @throws UnsupportedEncodingException 
  12.      *             使用了JAVA不支持的编码格式 
  13.      */  
  14.     public static boolean isChineseChar(char c)  
  15.             throws UnsupportedEncodingException {  
  16.         // 如果字节数大于1，是汉字  
  17.         // 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  
  18.         return String.valueOf(c).getBytes("GBK").length > 1;  
  19.     }  
  20.   
  21.     /** 
  22.      * 按字节截取字符串 
  23.      *  
  24.      * @param orignal 
  25.      *            原始字符串 
  26.      * @param count 
  27.      *            截取位数 
  28.      * @return 截取后的字符串 
  29.      * @throws UnsupportedEncodingException 
  30.      *             使用了JAVA不支持的编码格式 
  31.      */  
  32.     public static String substring(String orignal, int count)  
  33.             throws UnsupportedEncodingException {  
  34.         // 原始字符不为null，也不是空字符串  
  35.         if (orignal != null && !"".equals(orignal)) {  
  36.             // 将原始字符串转换为GBK编码格式  
  37.             orignal = new String(orignal.getBytes(), "GBK");  
  38.             // 要截取的字节数大于0，且小于原始字符串的字节数  
  39.             if (count > 0 && count < orignal.getBytes("GBK").length) {  
  40.                 StringBuffer buff = new StringBuffer();  
  41.                 char c;  
  42.                 for (int i = 0; i < count; i++) {  
  43.                     // charAt(int index)也是按照字符来分解字符串的  
  44.                     c = orignal.charAt(i);  
  45.                     buff.append(c);  
  46.                     if (CutString.isChineseChar(c)) {  
  47.                         // 遇到中文汉字，截取字节总数减1  
  48.                         --count;  
  49.                     }  
  50.                 }  
  51.                 return buff.toString();  
  52.             }  
  53.         }  
  54.         return orignal;  
  55.     }  
  56.   
  57.     public static void main(String[] args) {  
  58.         // 原始字符串  
  59.         String s = "我ZWR爱JAVA";  
  60.         System.out.println("原始字符串：" + s);  
  61.         try {  
  62.             System.out.println("截取前1位：" + CutString.substring(s, 1));  
  63.             System.out.println("截取前2位：" + CutString.substring(s, 2));  
  64.             System.out.println("截取前4位：" + CutString.substring(s, 4));  
  65.             System.out.println("截取前6位：" + CutString.substring(s, 6));  
  66.         } catch (UnsupportedEncodingException e) {  
  67.             e.printStackTrace();  
  68.         }  
  69.     }  
  70. }  

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
评论
muyuqian 2008-09-03   回复
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？
yu_xian81 2008-08-25   回复
见识了诸多高人，此行非虚！
kruce 2008-08-13   回复
自造轮子，不如check下surrogate pair + codepoint
rz_wang 2008-08-11   回复
多谢，辛苦了~！
臧圩人 2008-07-28   回复
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
TNTest 2008-07-26   回复
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。
constant 2008-07-23   回复
好，感谢lz解答
臧圩人 2008-07-23   回复
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：

Java代码 复制代码
  1. import java.io.UnsupportedEncodingException;  
  2.   
  3. public class CutString {  
  4.     public static void main(String[] args) throws UnsupportedEncodingException {  
  5.         String s = "我ZWR爱JAVA";  
  6.         // 获取GBK编码下的字节数据  
  7.         byte[] data = s.getBytes("GBK");  
  8.         byte[] tmp = new byte[6];  
  9.         // 将data数组的前六个字节拷贝到tmp数组中  
  10.         System.arraycopy(data, 0, tmp, 0, 6);  
  11.         // 将截取到的前六个字节以字符串形式输出到控制台  
  12.         s = new String(tmp);  
  13.         System.out.println(s);  
  14.     }  
  15. }  

运行结果：
  • 我ZWR?
分享到：
| 笔霸网易
评论
发表评论

您还没有登录,请您登录后再发表评论

相关推荐

Magicbox
Global site tag (gtag.js) - Google Analytics