由于Java是基于Unicode编码的,因此,一个汉字的长度为1,而不是2。 但有时需要以字节单位获得字符串的长度。例如,“123abc长城”按字节长度计算是10,而按Unicode计算长度是8。 为了获得10,需要从头扫描根据字符的Ascii来获得具体的长度。
1. 中文正则表达式
目前,网上查到的资料有这两种:
(1) [\u4e00-\u9fa5]
: 匹配所有中文。
(2)[^\x00-\xff]
: 匹配所有非ASCII的字符。
比如,有一个字符串是中文状态的括号()
, 使用第一个正则表达式是不会被匹配到的,因为只匹配中文符号。而使用第二个正则表达式,则可以被匹配到。
2. 方法实现
/**
* 获取含有中文字符串的字节长度。
* 基本原理是将字符串中所有的非标准字符(双字节字符)替换成两个标准字符(**,或其他的也可以)。这
* 样就可以直接例用length方法获得字符串的字节长度了
* @param str
* @return
*/
public static int getByteLen(String str) {
str = str.replaceAll("[^\\x00-\\xff]", "**");
int length = str.length();
return length;
}