Java中按字节安全切片字符串需先转UTF-8字节数组,从末尾跳过续字节(0x80–0xBF)找到合法字符边界再截取,最后用相同编码还原,避免乱码。

Java中按字节长度安全切片字符串,关键在于明确编码(如UTF-8),避免按char切分导致乱码——因为一个中文字符在UTF-8中占3字节,而String.charAt()操作的是UTF-16 code unit,可能截断代理对或Unicode扩展字符。
必须指定字符编码进行字节计算
String本身不存储字节,String.getBytes(StandardCharsets.UTF_8)才是获取真实传输/存储字节的唯一可靠方式。切片前先转为字节数组,再按目标长度截取,最后用相同编码还原为String:
- 始终使用
StandardCharsets.UTF_8(或业务约定的编码),不依赖平台默认编码 - 截取后需检查是否截断了多字节字符:UTF-8中,以
0xC0–0xF7开头的字节是多字节序列首字节,后续字节以0x80–0xBF开头;若末尾字节属于续字节(即0x80–0xBF),说明被截断,应向前回退到上一个首字节位置 - 可借助
java.nio.charset.CoderResult或手动校验,但更推荐用现成工具类处理边界
推荐使用Guava的Splitter或自定义安全截断工具
Guava的Utf8.encodedLength(String)和Utf8.encode(String)可辅助判断,但不直接提供切片。更实用的是封装一个安全截断方法:
使用 Husky 将 pre-commit、pre-push 和 commit-msg 检查集成到仓库中,以便代理和开发人员在更改离开工作站之前运行相同的本地防护措施。
- 输入:原始字符串、目标最大字节数、编码(如UTF_8)
- 步骤:获取字节数组 → 从末尾向前扫描,跳过所有
0x80–0xBF字节(续字节)→ 找到合法UTF-8字符边界 → 截取子数组 → 构造新String - 示例:字符串"你好abc"在UTF-8中为
[e4 bd a0 e5 a5 bd 61 62 63](共9字节),若限制7字节,不能停在e5后(会得e4 bd a0 e5,解码失败),而应停在e4 bd a0后(3字节),返回"你"
注意不可忽略的边界情况
空字符串、纯ASCII、含emoji(如?占4字节UTF-8)、含代理对字符(如某些古文字)都会影响截断逻辑:
立即学习“Java免费学习笔记(深入)”;
- emoji和增补字符在Java中占两个char(代理对),但UTF-8编码可能是4字节;仅靠
String.length()无法反映字节长度 - 若目标长度为0,返回空字符串;若小于最小字符字节数(UTF-8最短1字节),也返回空字符串
- 截断后new String(bytes, offset, length, charset)必须与编码一致,否则出现
不复杂但容易忽略编码一致性与UTF-8字节序列完整性,建议将安全截断逻辑封装为静态工具方法,避免每次重复校验。

















