java 获取字符串长度

编程语言：java
编码方式：Unicode
问题：
通常状况下,在屏幕显示上一个汉字所占的大小是字符的两倍。若是直接使用length()方法，获取到的是code unit的数目。
例如，“123abc长城”.length() 计算是8。如何肯定字符串在屏幕上的长度大小？
分析：
咱们须要一种方法使得汉字的长度是普通字符的两倍。
为了得到10，须要从头扫描根据字符的Ascii来得到具体的长度。若是是标准的字符，Ascii的范围是0至255，若是是汉
字或其余全角字符，Ascii会大于255。所以，能够编写以下的方法来得到以字节为单位的字符串长度。
解决：
public int getWordCount(String s) {
    int length = 0;
    for (int i = 0; i < s.length(); i++) {
        int ascii = Character.codePointAt(s, i);
        if (ascii >= 0 && ascii <= 255) length++;
        else length += 2;
    }
    return length;
}
上面代码的基本原理是将字符串中全部的非标准字符（双字节字符）替换成两个标准字符（**，或其余的也能够）。
或者：

public int getWordCount(String s) {

    s = s.replaceAll("[^\\x00-\\xff]", "**");
    int length = s.length();
    return length;
}

return String.getByte().length() ;
return String.getByte("gbk").length() ;

详细请参考 http://www.cnblogs.com/God-/p/6006749.htmlhtml

几种编码格式。java

ASCII 码

学过计算机的人都知道 ASCII 码，总共有 128 个，用一个字节的低 7 位表示，0~31 是控制字符如换行回车删除等；32~126 是打印字符，能够经过键盘输入而且可以显示出来。编程

ISO-8859-1

128 个字符显然是不够用的，因而 ISO 组织在 ASCII 码基础上又制定了一些列标准用来扩展 ASCII 编码，它们是 ISO-8859-1~ISO-8859-15，其中 ISO-8859-1 涵盖了大多数西欧语言字符，全部应用的最普遍。ISO-8859-1 仍然是单字节编码，它总共能表示 256 个字符。windows

GB2312

它的全称是《信息交换用汉字编码字符集基本集》，它是双字节编码，总的编码范围是 A1-F7，其中从 A1-A9 是符号区，总共包含 682 个符号，从 B0-F7 是汉字区，包含 6763 个汉字。网络

全称叫《汉字内码扩展规范》，是国家技术监督局为 windows95 所制定的新的汉字内码规范，它的出现是为了扩展 GB2312，加入更多的汉字，它的编码范围是 8140~FEFE（去掉 XX7F）总共有 23940 个码位，它能表示 21003 个汉字，它的编码是和 GB2312 兼容的，也就是说用 GB2312 编码的汉字能够用 GBK 来解码，而且不会有乱码。编程语言

GB18030

全称是《信息交换用汉字编码字符集》，是我国的强制标准，它多是单字节、双字节或者四字节编码，它的编码与 GB2312 编码兼容，这个虽然是国家标准，可是实际应用系统中使用的并不普遍。编码

UTF-16

说到 UTF 必需要提到 Unicode（Universal Code 统一码），ISO 试图想建立一个全新的超语言字典，世界上全部的语言均可以经过这本字典来相互翻译。可想而知这个字典是多么的复杂，关于 Unicode 的详细规范能够参考相应文档。Unicode 是 Java 和 XML 的基础，下面详细介绍 Unicode 在计算机中的存储形式。翻译

UTF-16 具体定义了 Unicode 字符在计算机中存取方法。UTF-16 用两个字节来表示 Unicode 转化格式，这个是定长的表示方法，不论什么字符均可以用两个字节表示，两个字节是 16 个 bit，因此叫 UTF-16。UTF-16 表示字符很是方便，每两个字节表示一个字符，这个在字符串操做时就大大简化了操做，这也是 Java 以 UTF-16 做为内存的字符存储格式的一个很重要的缘由。code

UTF-8

UTF-16 统一采用两个字节表示一个字符，虽然在表示上很是简单方便，可是也有其缺点，有很大一部分字符用一个字节就能够表示的如今要两个字节表示，存储空间放大了一倍，在如今的网络带宽还很是有限的今天，这样会增大网络传输的流量，并且也不必。而 UTF-8 采用了一种变长技术，每一个编码区域有不一样的字码长度。不一样类型的字符能够是由 1~6 个字节组成。htm

UTF-8 有如下编码规则：

若是一个字节，最高位（第 8 位）为 0，表示这是一个 ASCII 字符（00 - 7F）。可见，全部 ASCII 编码已是 UTF-8 了。
若是一个字节，以 11 开头，连续的 1 的个数暗示这个字符的字节数，例如：110xxxxx 表明它是双字节 UTF-8 字符的首字节。
若是一个字节，以 10 开始，表示它不是首字节，须要向前查找才能获得当前字符的首字节