问题的起因

在项目终遇到了一个问题，我的程序是类似一个中间件的程序，负责转发上位机的数据到第三方程序进行处理，第三方程序将结果返回给我，经过我的程序处理再返回给上位机。

既然有这个需求，说明上位机程序和三方程序没有适配好传入参数和返回参数，所以需要我的程序来进行转换。这里就遇到了我今天要说的问题，关于中文字符和其他字符的字节占位问题（将一个字符串用空格填补到指定长度）。

字符占位

关于字符占位的问题，应该是老生常谈了，大家估计在大学课程中就常常碰到，请在一个字符串中筛选出汉字、数字、英文，如代码块1和代码块2所示,列举筛选汉字。

public static void main(String[] args) {
        String str = " 真的爱学习abc,adad（）() ";
        System.out.println("过滤出汉字：" + str.replaceAll("\\s*","").replaceAll("[^(\\u4e00-\\u9fa5)]",""));
    }

public static void main(String[] args) {
        String str = " 真的爱学习22554这啊啊大擦是aacb ";
        System.out.println("过滤出数字+字母：" + str.replaceAll("\\s*","").replaceAll("[^(a-zA-Z0-9)]",""));
    }

我就是在这里上当了，注意这里说的是汉字，不是中文字符，所以如果你使用汉字的正则表达式，如果使用程序的客户从上位机传下来的数据带有类似‘（’、‘）’、‘【’等中文标点符号，就可能会出现填补位数不足，导致最后的结果出问题，所以我没需要适当地扩大范围（\u0391-\uffe5）。

public static void main(String[] args) {
        String str = " 真的爱学习abc,adad（）() ";
        System.out.println("过滤出汉字：" + str.replaceAll("\\s*","").replaceAll("[^(\\u0391-\\uffe5)]",""));
    }

这样就不会出现中文符号没有被统计到的情况，因为中文符号是占两个字节，而其他字符一般情况下是占一个字节。

wu~~~~~~~~yo

关于Unicode编码对于中文符号的界定

问题的起因

字符占位