JAVA面试题解惑系列（六）——字符串（String）杂谈-CFANZ编程社区

关键字: java 面试题字符串 string

作者：臧圩人（zangweiren）
网址：http://zangweiren.javaeye.com

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

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

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：

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

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：

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

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

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：

原始的字符串：A quick brown fox jumps over the lazy dog.
反转后字符串：.god yzal eht revo spmuj xof nworb kciuq A
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

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：

原始的字符串：A quick brown fox jumps over the lazy dog.
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

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：

英文字母：A
字节数：1;编码：GB2312
字节数：1;编码：GBK
字节数：1;编码：GB18030
字节数：1;编码：ISO-8859-1
字节数：1;编码：UTF-8
字节数：4;编码：UTF-16
字节数：2;编码：UTF-16BE
字节数：2;编码：UTF-16LE
中文汉字：人
字节数：2;编码：GB2312
字节数：2;编码：GBK
字节数：2;编码：GB18030
字节数：1;编码：ISO-8859-1
字节数：3;编码：UTF-8
字节数：4;编码：UTF-16
字节数：2;编码：UTF-16BE
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

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：

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

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：

原始字符串：我ZWR爱JAVA
截取前1位：我
截取前2位：我
截取前4位：我ZW
截取前6位：我ZWR爱