从字节缓冲区将汉字读入字符串

Question

因此，我有一个包含文本和其他数据的char[]数组。

如何从char[]数组中提取中文文本？现在我可以把英语说得好

public String getString(int index, int length) {
    String str = "";

    for (int i = 0; i < length && this.data[index + i] != 0; i++)
        str = str + this.data[index + i];

    return str;
}

那我就试试这个：

try {
    String charset = "GB18030";
    String str = new String(m.target.getBytes("UTF-16"), "GB18030");
    System.out.println(str);
    System.out.println(str.equals("大家"));
} catch (UnsupportedEncodingException e) {
    // TODO Auto-generated catch block
    e.printStackTrace();
}

m.target是我从上面的byte[]数组中获得的带有getString()的字符串。我尝试过不同的编码和组合，它们都不会正确显示文本( str.equals("大家") )，也不会返回true (“大家”)

编辑

用这种方法可以成功地得到汉字。

public String test(int index, int length) {
    byte[] t = new byte[this.data.length];

    for (int i = 0; i < this.data.length; i++)
        t[i] = (byte) this.data[i];

    try {
        return new String(t, index, length, "GB18030");
    } catch (UnsupportedEncodingException e) {
        // TODO Auto-generated catch block
        e.printStackTrace();
    }

    return null;
}

但我现在的问题是..。我以为一个字节的最大值是127？字节数组如何保存高字节汉字？我能否安全地将缓冲区更改为byte[]而不是char[]？

Answer 1

Java中的char和String都是Unicode。只要在Java代码中对其进行操作，您就不必关心这个问题。在转换到/从byte[]数组或从IO流到/从IO流时指定编码。

要声明包含汉字的字符串，可以使用转义序列，或者只需用代码编写它们，但是您必须关心文件编码。UTF-8格式现在是准标准的，它既受IDE的支持(如Eclipse)，也受到构建工具(maven、ant)的支持。

所以你只需要写

char ch = '大';
char[] chrs = new char[]{'大','家'};
String str = "大家";

要从例如InputStreamReader UTF-16编码文件中读取汉字，您可以使用指定正确的编码，然后可以读取字符串f.e。借助BufferedReader

    BufferedReader reader = new BufferedReader(new InputStreamReader(
        new FileInputStream("myfile.txt"), "UTF-16"));