主页 / 问题 / 1597136
Accepted
Mik
Asked:2024-10-18 23:06:22 +0000 UTC2024-10-18 23:06:22 +0000 UTC

如何计算我的字符串在 Java 中将占用字符集中的字节数？

  • 772

我如何在 Java 中计算我的 String 占用了多少字节，例如在 中US_ASCII？ C# 有它Encoding.GetByteCount，这就是我需要的，也就是说，我需要在 UI 中快速验证字节长度，并且我不想创建字节数组，但我想在不分配内存的情况下进行计数

java

1 个回答

  1. Best Answer

    ByteCounter计算指定编码中字符串的字节数。内存是在对象创建时分配的。计算本身几乎不分配内存。

    用过的CharsetEncoder.encode。输入缓冲区是一个字符，输出缓冲区是十个字节。如果encode它抱怨输出缓冲区溢出，则会分配一个新的缓冲区，大小是两倍。

    NB encode永远不应该抱怨缓冲区溢出，十个字节对每个人来说应该足够了。对于 UTF-8，最长的字节序列是 4。您甚至不需要更多的表情符号。最大的编码单元是代理对，它总是适合四个字节。

    示例中有两个实例ByteCounter。第一个忽略编码错误，就像String.getBytes.第二个可以检测错误并引发异常。

    import java.nio.ByteBuffer;
import java.nio.CharBuffer;
import java.nio.charset.CharacterCodingException;
import java.nio.charset.Charset;
import java.nio.charset.CharsetEncoder;
import java.nio.charset.CoderResult;
import java.nio.charset.CodingErrorAction;
import java.util.Scanner;

public class Temp {
    public static void main(String[] args) {
        Charset cs = Charset.forName(args[0]);
        ByteCounter bc1 = new ByteCounter(cs.newEncoder()
            .onMalformedInput     (CodingErrorAction.REPLACE)
            .onUnmappableCharacter(CodingErrorAction.REPLACE)
        );
        ByteCounter bc2 = new ByteCounter(cs.newEncoder());

        Scanner sc = new Scanner(System.in);
        while (sc.hasNextLine()) {
            String s = sc.nextLine();
            System.out.print(s.getBytes(cs).length);
            System.out.print(" ");
            try {
                System.out.print(bc1.countBytes(s));
            } catch (CharacterCodingException e) {
                System.out.print("N/A");
            }
            System.out.print(" ");
            try {
                System.out.print(bc2.countBytes(s));
            } catch (CharacterCodingException e) {
                System.out.print("N/A");
            }
            System.out.print(" ");
            System.out.println(s);
        }
    }

    private static class ByteCounter {
        private final CharsetEncoder ce;
        private final CharBuffer in = CharBuffer.allocate(1);
        private ByteBuffer out = ByteBuffer.allocate(10);
        public ByteCounter(CharsetEncoder ce) {
            this.ce = ce;
        }
        public int countBytes(String s) throws CharacterCodingException {
            int bytes = 0;

            ce.reset();
            for (int i = 0; i < s.length(); ++i) {
                char c = s.charAt(i);
                in.put(0, c);
                in.position(0);
                for (; ;) {
                    out.position(0);
                    CoderResult cr = ce.encode(in, out, false);
                    if (cr.isError()) {
                        cr.throwException();
                    }
                    bytes += out.position();
                    if (!cr.isOverflow()) {
                        break;
                    }
                    out = ByteBuffer.allocate(2 * out.capacity());
                }
            }
            return bytes;
        }
    }
}

    $ javac Temp.java

$ java Temp US-ASCII << EOF
Hello!
Привет!
こんにちは！
你好！
EOF

6 6 6 Hello!
7 7 N/A Привет!
6 6 N/A こんにちは！
3 3 N/A 你好！


$ java Temp UTF-8 << EOF
Hello!
Привет!
こんにちは！
你好！
EOF

6 6 6 Hello!
13 13 13 Привет!
18 18 18 こんにちは！
9 9 9 你好！

    PPS我答应用一个字节凑合，但我做不到。如果CharsetEncoder.encode报告溢出，则需要提供更大的缓冲区。他拒绝一次给出一个字节的编码字符串。因此制作了一个十字节的缓冲区，并添加了一种机制来在溢出时增加缓冲区。可以通过将初始缓冲区大小设置为 1 来测试。

    • 4

相关问题