如何在java中为UTF8字符串创建子字符串？

假设我有以下字符串：Rückruf ins Ausland我需要将其插入最大大小为10的数据库中。 我用java做了一个普通的子字符串，它在中提取了这个字符串Rückruf，共10个字符。当它尝试插入此列时，我收到以下oracle错误：

java.sql.SQLException:ORA-12899:列的值太大 “WAEL”“TESTTBL”“DESC”（实际值：11，最大值：10） 原因是数据库有一个AL32UTF8字符集，因此ü将占用2个字符

---

我需要用java编写一个函数来处理这个子字符串，但是考虑到ü需要2个字节，所以在这种情况下返回的子字符串应该是Rückruf I（9个字符）。有什么建议吗？

我认为在这种情况下，最好的选择是在数据库级别使用子字符串，在SQL查询上直接使用Oracle SUBSTR函数

例如：

INSERT INTO ttable (colname) VALUES (SUBSTR( ?, 1, 10 ))

---

其中感叹号表示通过JDBC发送的SQL参数。

您可以在java中将字符串转换为字节数组时计算

字符串的正确长度

例如，请参见下面的代码：

System.out.println("Rückruf i".length()); // prints 9 
System.out.println("Rückruf i".getBytes().length); // prints 10 

如果当前字符集不是UTF-8，则将代码替换为：

System.out.println("Rückruf i".length()); // prints 9 
System.out.println("Rückruf i".getBytes("UTF-8").length); // prints 10 

如果需要，您可以将UTF-8替换为要测试该字符集中字符串长度的字符集。
您需要让数据库中的编码与java字符串的编码匹配。或者，您可以使用类似的方法转换字符串，并获得与数据库中的编码匹配的长度。这将为您提供准确的字节计数。否则，您仍然希望编码匹配

    String string = "Rückruf ins Ausland";

    int curByteCount = 0;
    String nextChar;
    for(int index = 0; curByteCount +  
         (nextChar = string.substr(index,index + 1)).getBytes("UTF-8").length < trimmedBytes.length;  index++){
        curByteCount += nextChar.getBytes("UTF-8").length;

    }
    byte[] subStringBytes = new byte[10];
    System.arraycopy(string.getBytes("UTF-8"), 0, subStringBytes, 0, curByteCount);
    String trimed = new String(subStringBytes, "UTF-8");

String=“Rückruf ins Ausland”；
int-corbytecount=0；
字符串nextChar；
对于（int index=0；curByteCount+
（nextChar=string.substr（index，index+1））.getBytes（“UTF-8”）.length

这应该可以做到。它也不应该在这个过程中截断多字节字符。这里的假设是数据库是UTF-8编码。另一个假设是字符串实际上需要修剪。
如果您想修剪Java中的数据，您必须编写一个函数，使用所使用的db字符集修剪字符串，类似于以下测试用例：

package test;

import java.io.UnsupportedEncodingException;

public class TrimField {

    public static void main(String[] args) {
        //UTF-8 is the db charset
        System.out.println(trim("Rückruf ins Ausland",10,"UTF-8"));
        System.out.println(trim("Rüückruf ins Ausland",10,"UTF-8"));
    }

    public static String trim(String value, int numBytes, String charset) {
        do {
            byte[] valueInBytes = null;
            try {
                valueInBytes = value.getBytes(charset);
            } catch (UnsupportedEncodingException e) {
                throw new RuntimeException(e.getMessage(), e);
            }
            if (valueInBytes.length > numBytes) {
                value = value.substring(0, value.length() - 1);
            } else {
                return value;
            }
        } while (value.length() > 0);
        return "";

    }

}

嘿，所有的ASCII字符都小于128。您可以使用下面的代码

public class Test {
    public static void main(String[] args) {
        String s= "Rückruf ins Ausland";
        int length =10;
        for(int i=0;i<s.length();i++){
            if(!(((int)s.charAt(i))<128)){
                length--;                   
            }
        }
        System.out.println(s.substring(0,length));
    }
}

公共类测试{
公共静态void main（字符串[]args）{
字符串s=“Rückruf ins Ausland”；
整数长度=10；
对于（inti=0；i如果必须是Java，则可以将字符串解析为字节并修剪数组的长度

        String s = "Rückruf ins Ausland";
        byte[] bytes = s.getBytes("UTF-8");
        byte[] bytes2 = new byte[10];
        System.arraycopy(bytes, 0, bytes2, 0, 10);
        String trim = new String(bytes2, "UTF-8");

下面可怕的是，通过完整的Unicode代码点，以及字符对（代理代码点），间接地遍历整个字符串

公共字符串修剪（字符串s，整数长度）{
byte[]bytes=s.getBytes（StandardCharsets.UTF_8）；
如果（字节数.长度）{
打破
}
totalByteCount+=字节计数；
i+=n；
}
返回新字符串（字节，0，totalByteCount）；
}

它仍然可以进行一些优化。
是的，但是如果基础数据库字符集将更改为其他字符集呢？字节数可能会根据所使用的编码而变化。因此这不是通用的。这是java中使用的字节数。如果UTF8中存在字符，则表示为1个字节，如果它是UTF16而不是p字符REENT在UTF8中由2个字节表示。我明白你的意思，它在Java中是一致的，但我的意思是，它不一定总是与数据库字节匹配。这也取决于数据库中的编码。在这种特定情况下，它是匹配的。@Singh也许你的默认字符集不是UTF-8？如果是，你必须用System替换。out.println（“Rückruf i”.getBytes（“UTF-8”）.length）；我添加了非UTF-8字符集的解决方案不应该
length=9；
be
length--；
并且没有中断？如果有两个
“ü”
在字符串中？是的，对..我的错..让我编辑它，我也打破了循环。此解决方案仅适用于10个字符的字符串，最多一个“两个字节”char。任何其他字符串总是返回9或10或抛出一个索引xOfFangBysExchange。是的，我根据上面的注释改变了解决方案。现在可以检查它吗？现在它正在动态地为任何解决方案工作。如果你在截断之前有一个2字节的字符开始，不会在一个2字节字符的中间截断，然后存储DA。ta不正确？或者在这种情况下会发生什么？这很有效，而且它的优点是没有任何循环。它是直接向前的。我很确定如果多字节字符位于修剪边界，它将截断这些字符。我的解决方案基于此，但我循环并检查新字符不会交叉边界。是的，你是对的，我尝试了一个像123456789ü这样的例子，修剪后的字符串是123456789？，在end@CarlosBribiescas你说得对，我没想过！也许可以选择使用字符长度语义来定义列长度。
public String trim(String s, int length) {
    byte[] bytes = s.getBytes(StandardCharsets.UTF_8);
    if (bytes.length <= length) {
        return s;
    }
    int totalByteCount = 0;
    for (int i = 0; i < s.length(); ) {
        int cp = s.codePointAt(i);
        int n = Character.charCount(cp);
        int byteCount = s.substring(i, i + n)
                .getBytes(StandardCharsets.UTF_8).length;
        if (totalByteCount + byteCount) > length) {
            break;
        }
        totalByteCount += byteCount;
        i += n;
    }
    return new String(bytes, 0, totalByteCount);
}