记录一次String.substring()问题

引言

让我们先来看一串代码

public class Main {
    public static void main(String[] args) {
        String modelOne = "hello";
        System.out.println("modelOne:" + modelOne);

        String modelTwo = "hello👋";
        System.out.println("modelTwo:" + modelTwo);

        // 截断
        String substring = modelTwo.substring(0, modelTwo.length()-1);
        System.out.println("substring:" + substring);
    }
}

可以看一下最后关于这个戒断的处理结果：打印出来的结果是

modelOne:hello
modelTwo:hello👋
substring:hello?

那么为什么会这样呢？？？

分析

首先看下String.length()的源码，其实这个长度是String值的char数组的长度而已。（String的值其实都是存储在这个char[] value 中的）

/**
 * Returns the length of this string.
 * The length is equal to the number of <a href="Character.html#unicode">Unicode
 * code units</a> in the string.
 *
 * @return  the length of the sequence of characters represented by this
 *          object.
 */
public int length() {
    return value.length;
}

debug看下这个value值。可以看到 这个特殊字符👋实际上用了两个4位16进制去表示。那么我们用substring去做String类型的截断的时候，我们可能会把特殊字符截断，导致最后String乱码。

如何解决？

String提供了一个offsetByCodePoints方法 可以用于处理Unicode代码点，返回值即为代码点位置（可以准确的给出完整的“特殊字符”而不会被中间截断）

public int offsetByCodePoints(int index, int codePointOffset) {
    if (index < 0 || index > value.length) {
        throw new IndexOutOfBoundsException();
    }
    return Character.offsetByCodePointsImpl(value, 0, value.length,
            index, codePointOffset);
}

实践

注意：这种写法可能会导致输出的String.length()长度大于设定的limit

/**
 * @param model 字符串
 * @param limit 最大支持长度
 * @return 截断后的字符
 */
private String safeSubstring(String model, int limit) {
    if (model == null || limit <= 0) {
        return "";
    }
    int end = model.offsetByCodePoints(0, limit);
    return model.substring(0, end);
}