如何获取任何编码Java字符串的5个字符？ 问题

如果有时编码看起来像“UTF-8”、“UTF-16”和“ASCII”，我怎么能只得到5个字符的字符串呢

注意：有些测试输入有表情符号

代码 例如： 输入：

Bärteppich

预期输出：

Bärte

也表示

Bärte

实际输出：

BГ·rt

输入：

brühe

预期输出：

brГјhe

也表示

brühe

---

实际输出：

brГјh

首先，对于所有目的而言，Java

字符串始终是UTF-16，尽管由于Java 9，它在内部可能是其他内容

要实现您想要的（“仅从输入字符串中获取前五个字符！”），它应该如下所示：

public String truncate( String input ) 
{
    var retValue = (input != null) && (input.length() > 5)
        ? input.substring( 0, 5 )
        : input;

        return retValue;
}

对于这个特定的任务，应该不需要使用代码点

不幸的是，这并不完全正确

它适用于字符串
s=“Dies ist ein langer String”

它不适用于
s=“1234如果字符串有效且包含代码点，则传递到
offsetByCodePoints
的长度应为5而不是6，以便在5个代码点位置的末尾拆分字符串

public String truncate(String input) {
    if (input.codePointCount(0, input.length()) > 5)
    {
        input = input.substring(0, input.offsetByCodePoints(0, 5));
    }

    return input;
}

你为什么故意想要摆脱字符串？
BГ·rte
也不是“意思”“
Bärte
，这意味着您没有正确处理编码。我假设奇数呈现是由于打印而不是损坏的字符串。输入和输出的逐字符打印看起来是否具有预期值？例如，尝试将其添加到
System.out.println（“输入”+Arrays.toString（input.tocharray（）））之前和之后的文件中
@DuncG甚至这个问题都暗示他们正在读取不同的编码，但却将其视为相同的编码（可能是平台默认值），这是他们问题的全部根源。@Kayaman看起来可能是的，但仅仅因为字符没有打印到终端并不意味着输入已损坏，这就是我问的原因。例如，可以将日文数据库文本作为字符串读入英国基本机器，并100%安全地写入，但我无法将该文本打印到我机器上的终端，因为它正在写入，因为它在机器上以ASCII默认值显示为乱码文本。@DuncG我知道。我还知道，从我所经历并试图回答的几十个与编码相关的问题中，人们只是不理解编码。他们拒绝接受他们的输入数据被破坏，在读取时代码应该被修复，相反，他们希望黑客代码处理破坏的数据。这只是UTF-16。@Kayaman:你是对的，但就这个问题而言，无论是UTF-16、UTF-8还是ISO-8859-1，它都是透明的——更不用说从一个到另一个的转换也是透明的了。@Kayaman我不同意。String类和所有好的OO类一样，封装了它的状态，因此内部表示是不相关的。就任何程序而言，字符串都是由UTF-16
char
值或32位Unicode码点组成的。@Kayaman啊，我忽略了tquadrat在内部写的是UTF-16，直到你指出了这一点。很公平。@tquadrat您的答案现在更好了，您的truncate（）返回的结果与我对输入的回答相同
s=“1234\uD83C\uDDE6\uD83C\uDDE8”
，两者都将truncate（s）`as“1234\uD83C\uDDE6”，这是一个长度为6的字符串，只有一对。字符串
codePointCount（）
似乎只用于char+subrogate的2字符定义，而不像此标志那样使用4个字符。在我的时代，字节就是字符！有关
String.offsetByCodePoints（）
的说明，请参阅
String.length（）
对字符串中的字符进行计数，
String.substring（）
返回字符–这是函数的要求。不需要在这里玩代码点！我承认我从来没有用过表情符号！但我的理解是，它包含一些：
String s=“1234\uD83C\uDDE6\uD83C\uDDE8”
和
s.offsetByCodePoints（0，5）
返回6，因此如果该字符串在第5个代码点处被截断，则调用是
s.substring（0，input.offsetByCodePoints（0，5））
，该字符串的长度为6个字符。现在我有更多的理由去避免它们。
public String truncate(String input) {
    if (input.codePointCount(0, input.length()) > 5)
    {
        input = input.substring(0, input.offsetByCodePoints(0, 5));
    }

    return input;
}