Java - 從一個混合了UTF-8和非UTF-8字符的字符串中精確計算60個字符

Question

我有一個字符串，我想保存在只支持UTF8字符的數據庫中。 如果字符串大小> 60個字符，我想截斷它，只存儲前60個字符。 正在使用的Oracle數據庫僅支持UTF-8字符。

在Java中使用String.substring(0,59)返回60個字符，但是當我將其保存在數據庫中時，它會被拒絕，因為數據庫聲稱該字符串大於60個字符。

• 有沒有辦法找出特定字符串是否包含非UTF8字符。 我發現的一個選擇是：

  try {

    bytes = returnString.getBytes("UTF-8"); } catch (UnsupportedEncodingException e) { // Do something 

  }

• 有沒有辦法可以將其截斷為x個字符（數據丟失不是問題），並確保在數據庫中保存時只保存x個字符。 例如，如果我有字符串§8§8§8§8§8§8§8並且我說截斷並且只保存5個字符它應該只保存§8§

Answer 1

據我所知，您希望以編碼的UTF-8表示不超過60個字節的方式限制String長度。 你可以這樣做：

String s=…;
CharsetEncoder enc=StandardCharsets.UTF_8.newEncoder();
ByteBuffer bb=ByteBuffer.allocate(60);// note the limit
CharBuffer cb = CharBuffer.wrap(s);
CoderResult r = enc.encode(cb, bb, true);
if(r.isOverflow()) {
    System.out.println(s+" is too long for "
                      +bb.capacity()+" "+enc.charset()+" bytes");
    s=cb.flip().toString();
    System.out.println("truncated to "+s);
}

Answer 2

這是我的快速黑客：一個函數，用UTF-8編碼將字符串截斷為給定的字節數：

public static String truncateUtf8(String original, int byteCount) {
    if (original.length() * 3 <= byteCount) {
        return original;
    }
    StringBuilder sb = new StringBuilder();
    int count = 0;
    for (int i = 0; i < original.length(); i++) {
        char c = original.charAt(i);
        int newCount;
        if (c <= 0x7f) newCount = count + 1;
        else if (c <= 0x7ff) newCount = count + 2;
        else newCount = count + 3;
        if (newCount > byteCount) {
            break;
        }
        count = newCount;
        sb.append(c);
    }
    return sb.toString();
}

對於BMP之外的字符，它不能按預期工作 - 將它們計為6個字節而不是4個字節。它也可能會破壞字形集群。 但對於大多數簡單的任務，應該沒問題。

truncateUtf8("e", 1) => "e"
truncateUtf8("ée", 1) => ""
truncateUtf8("ée", 2) => "é"
truncateUtf8("ée", 3) => "ée"