java處理含有中文的字串.

標籤：users   package   bre   截取   com   net   har   sci   方案   

1. 問題描述:

 

未經處理資料是以行為單位的, 每行固定長度931個位元組, 漢字佔2個位元組, 按照字典描述,共有96個字典,只有第32個字典為中文地址, 所以需要單獨處理. 由於項目設計保密,故刪除敏感性資料. 供實驗的資料是測試資料. 

在處理過程中,按照規定的字典長度截取字串的時候,發現處理到漢字的時候出錯. 那就需要單獨處理漢字. 比較麻煩. 所以寫了如下簡便方法, 如有更好的解決方案,還請多多交流.

 

 

如何計算含有中文的字串長度.

 

2. 解決方案:

源碼:

package com.dk.rf;import java.io.*;import java.util.ArrayList;import java.util.List;/** * Created by zzy on 17/1/9. */public class ReadFile {    public static void main(String[] args) {     String path = "/Users/zzy/Downloads/QQdownload/test-readhanzi.txt";        readFileByLines(path);    }    /**     * 以行為單位讀取檔案，常用於讀面向行的格式檔案     */    public static void readFileByLines(String fileName) {        File file = new File(fileName);        BufferedReader reader = null;        try {            System.out.println("以行為單位讀取檔案內容，一次讀一整行：");//            reader = new BufferedReader(new FileReader(file));            reader = new BufferedReader(new InputStreamReader(new FileInputStream(file),"GBK"));            String tempString = null;            int line = 1;            // 一次讀入一行，直到讀入null為檔案結束            while ((tempString = reader.readLine()) != null) {                handleLines(tempString);                char [] chars;                chars = tempString.toCharArray();                line++;                if (line > 100){                    break ;                }            }            reader.close();        } catch (IOException e) {            e.printStackTrace();        } finally {            if (reader != null) {                try {                    reader.close();                } catch (IOException e1) {                }            }        }    }    /**     * 處理一行     * @param line     */    public static void handleLines(String line){//        System.out.println(line.length());        // 每一行資料分為96個欄位        List strList = new ArrayList();        int start = 0;        int end = 0;        int [] ss = {42,42,42,8,3,1,1,1,1,1,                    6,10,11,11,11,11,11,21,21,21,                    4,6,12,4,6,4,3,2,12,6,                    8,15,40,3,4,6,10,1,1,5,                    2,2,2,2,4,4,11,11,12,12,                    12,12,3,3,8,1,8,8,8,8,                    8,8,8,8,8,8,8,1,16,8,                    8,8,8,8,8,32,2,1,2,14,                    4,3,9,12,3,1,8,1,12,15,                    21,1,2,1,1,97                    };        for (int i = 0; i < ss.length; i++ ){            if (i == 32){ // 單獨處理地址                char[] cc = line.toCharArray();                int ss_32=0 ;//                int ff = 0;                System.out.println("-------"+start);                for (int j = start; j < start+ss[i]; j++) {                    ss_32++;                    ff ++;                    if (!isLetter(cc[j])){                        // 如果是漢字                        ss_32++;                    }                    if (ss_32 == 40){                        ss[i] = ff;                        break;                    }                }            }            end = start + ss[i];            if(start>=line.length())                return;            String temp = line.substring(start, end);            start = end;            strList.add(temp);            System.out.println("ss["+ i+ "]"+ss[i]+"temp="+temp);            // TO ,設計業務,需要繼續,春節後交接        }    }    /**     * 判斷一個字元是Ascill字元還是其它字元（如漢，日，韓文字元）     *     * @param c     * @return     */    public static boolean isLetter(char c) {        int k = 0x80;        return (c / k) == 0 ? true : false;    }}

 

3. 相關檔案:

  test-readhanzi.txt 下載連結

java處理含有中文的字串.