找出 Java/Android 中 UTF-8 字符串中的字符数

Question

当字符串以 UTF-8 格式存储时，我试图找出字符串长度。我尝试了以下方法：

String str = "मेरा नाम";
Charset UTF8_CHARSET = Charset.forName("UTF-8");
byte[] abc = str.getBytes(UTF8_CHARSET);
int length = abc.length;

这给出了字节数组的长度，但不是字符串中的字符数。

我找到了一个同时显示 UTF-8 字符串长度和字节长度的网站。 https://mothereff.in/byte-counter 假设我的字符串是 मेरा नाम，那么我应该将字符串长度设置为 8 个字符而不是 22 个字节。

谁能指导一下。

Answer 1

只需将程序保存为 utf-8 并按以下步骤进行

        String str= "मेरा नाम";
        System.out.println(str.length());

o/p = 8

Answer 2

无需将 password[0] 转换为字节数组，您只需运行

password[0].length();

您还可以将 bytearray 转换回字符串，然后运行在其上使用 lenght 方法。

    byte[] abc = password[0].getBytes(UTF8_CHARSET);
    String s1 = new String(abc, "UTF-8");
    System.out.println(s1.length());

Answer 3

String.length() 实际上 returns 以 UTF-16 编码的字符串中的字符数（其中两个字节用于对字符进行编码）。然而，这也适用于大多数 UTF-8 字符，除非你有一个 ASCII 值大于 127 的字符。如果你想手动做事而不将其编码为 UTF-8，你可以这样做

public static int utf8Length(CharSequence sequence) {
        int count = 0;
        for (int i = 0; i < sequence.length(); i++) {
            char ch = sequence.charAt(i);
            if (ch <= 0x7F) {
                count++;
            } else if (ch <= 0x7FF) {
                count += 2;
            } else if (Character.isHighSurrogate(ch)) {
                count += 4;
                ++i;
            } else {
                count += 3;
            }
        }
        return count;
    }

这是UTF-8 spec。

Answer 4

看看http://rosettacode.org/wiki/String_length#Grapheme_Length_4:

import java.text.BreakIterator;

public class Grapheme {
  public static void main(String[] args) {
    printLength("møøse");
    printLength("");
    printLength("J̲o̲s̲é̲");
  }

  public static void printLength(String s) {
    BreakIterator it = BreakIterator.getCharacterInstance();
    it.setText(s);
    int count = 0;
    while (it.next() != BreakIterator.DONE) {
      count++;
    }
    System.out.println("Grapheme length: " + count+ " " + s);
  }
}

输出：

Grapheme length: 5 møøse
Grapheme length: 7 
Grapheme length: 4 J̲o̲s̲é̲

您要查找的不是字符串长度而是葡萄长度。它为您提供了 "visible" 个字符的数量。

Answer 5

最短的 "length" 是 Unicode 代码点，作为编号字符的概念，UTF-32。

更正： 正如@liudongmiao 提到的，可能应该使用：

int length = string.codePointCount(0, s.length);

在java 8:

int length = (int) string.codePoints().count();

前 java秒：

int length(String s) {
   int n = 0;
   for (int i = 0; i < s.length(); ++n) {
       int cp = s.codePointAt(i);
       i += Character.charCount(cp);
   }
   return n;
}

一个 Unicode 代码点可以用 UTF-16 编码为一个或两个 char。

同一个 Unicode 字符可能有变音符号。它们可以写成单独的代码点：基本字母 + 零个或多个变音符号。将字符串规范化为一个 (C=) 压缩代码点：

string = java.text.Normalizer.normalize(string, Normalizer.Form.NFC);

顺便说一句，对于数据库而言，UTF-16 长度似乎更有用：

string.length() // Number of UTF-16 chars, every char two bytes.

（例子中提到的UTF-32长度==UTF-16长度。）

转储功能

评论者有一些意想不到的结果：

void dump(String s) {
   int n = 0;
   for (int i = 0; i < s.length(); ++n) {
       int cp = s.codePointAt(i);
       int bytes = Character.charCount(cp);
       i += bytes;
       System.out.printf("[%d] #%dB: U+%X = %s%n",
           n, bytes, cp, Character.getName(cp));
   }
   System.out.printf("Length:%d%n", n);
}

Answer 6

UTF-8 String.length() returns 个字符。]

例如：

String str = "安德鲁真的很棒";

System.out.println(str.length()); //显示16对应16个字符 System.out.println(str.getBytes().length); //显示48对应48字节

找出 Java/Android 中 UTF-8 字符串中的字符数

Find out number of characters in a UTF-8 string in Java/Android

java

android

utf-8