Java截取中英文混合字符串的方法

当我们需要截取中英文混合字符串时，直接使用String.substring()方法进行截取，可能会截断中文字符，导致出现乱码。这里给出使用Java对中英文混合字符串进行准确截取的方法。

方法一：使用正则表达式

我们可以使用正则表达式 [\u4e00-\u9fa5] 匹配中文字符，然后计算匹配字符的个数来确定截取的位置。下面是代码示例：

public class StringUtil {
    /**
     * 截取中英文混合字符串
     * @param str 原字符串
     * @param len 截取长度
     * @return 截取后的字符串
     */
    public static String cutString(String str, int len) {    
        if (str == null || "".equals(str)) {    
            return "";    
        }    
        char[] tempChar = str.toCharArray();  
        int strLength = tempChar.length;  
        if(len>=strLength){//如果长度比字符串长度还大，直接返回原字符串
            return str;
        }
        int count = 0;    
        StringBuilder sb = new StringBuilder(len);    
        for (int i = 0; i< len ; i++) {    
            if (tempChar[i] > 256) {    
                count+=2;    
            } else {    
                count++;    
            }    
            sb.append(tempChar[i]);    
            if(count == len){    
                break;    
            }    
        }    
        return sb.toString();    
    }    
}

这里我们使用了String.toCharArray()方法将字符串转换为char数组，然后遍历数组计算字符个数，并使用StringBuilder拼接字符串的方法来实现字符截取。

方法二：使用ICU4J

同时，我们也可以使用ICU4J来进行字符串截取。ICU4J提供了Unicode字符串处理的一些工具类，其中可以截取Unicode字符串，从而精确地截取中英文混合字符串。下面是代码示例：

import com.ibm.icu.text.BreakIterator;
public class StringUtil {
     /**
     * 截取中英文混合字符串
     * @param str 原字符串
     * @param len 截取长度
     * @return 截取后的字符串
     */
    public static String cutString(String str, int len) {
        if (str == null) {
            return "";
        }
        StringBuilder sb = new StringBuilder(len);
        BreakIterator br = BreakIterator.getCharacterInstance();
        br.setText(str);
        int start = br.first();
        for (int i = 0; i < len && start != BreakIterator.DONE; i++) {
            int end = br.next();
            sb.append(str.substring(start, end));
            start = end;
        }
        return sb.toString();
    }
}

在这个示例中，我们使用了BreakIterator类，将字符串按照Unicode字符的边界进行调整，实现字符串的截取。此方法适用于截取的长度比较小的情况。

综上所述，我们可以通过这两种方法，精确截取中英文混合字符串，确保不会截断中文字符，从而避免乱码等问题。