Java 精確截取字符串：處理中英混排的最佳實踐

在 Java 開發中，字符串截取是常見需求，但單純使用 substring 往往會導致中英文混排時長度計算不準確，因為中文字符佔兩個字節，英文佔一個。本文整理了多種精確截取方案，幫助你根據業務場景選擇最合適的實現。

核心問題：字節長度與字符長度的差異

直接按字符數截取（如 str.substring(0, 100)）會忽略中英文字節差異，導致顯示長度不一致。正確做法是按字節長度截取，並補全省略符號。

方案一：基於 GBK 編碼的字節截取

public String getLimitLengthString(String str, int len, String symbol) throws UnsupportedEncodingException {
    byte[] bytes = str.getBytes("GBK");
    if (bytes.length <= len) return str;
    int doubleByteCount = 0;
    for (int i = 0; i < len; i++) {
        if (bytes[i] < 0) doubleByteCount++;
    }
    // 避免截斷雙字節字符
    int end = (doubleByteCount % 2 == 0) ? len : len - 1;
    return new String(bytes, 0, end, "GBK") + symbol;
}

此法利用 GBK 編碼特性，統計負字節（高位字節）判斷雙字節字符，確保不截半個漢字。

方案二：通用字符遍歷法（不依賴特定編碼）

public static String substring(String str, int byteLen, String suffix) {
    if (str == null) return "";
    char[] chars = str.toCharArray();
    int count = 0;
    StringBuilder sb = new StringBuilder();
    for (char c : chars) {
        int charBytes = String.valueOf(c).getBytes().length; // 默認編碼
        if (count + charBytes > byteLen) break;
        sb.append(c);
        count += charBytes;
    }
    if (count < byteLen) sb.append(suffix);
    return sb.toString();
}

逐字符計算字節長度，適用於 UTF-8 等多字節編碼環境，靈活性更高。

方案三：JavaScript 端同步處理（前後端一致）

function getInterceptedStr(str, len) {
    const regex = /[^\x00-\xff]/g;
    if (str.replace(regex, "xx").length <= len) return str;
    let result = "", byteCount = 0;
    for (let i = 0; i < str.length; i++) {
        const ch = str.charAt(i);
        result += ch;
        byteCount += regex.test(ch) ? 2 : 1;
        if (byteCount >= len) break;
    }
    return result + "...";
}

前端同樣需處理雙字節字符，正則匹配非 ASCII 字符作為雙字節計算。

最佳實踐建議

• 後端統一處理：推薦方案一或二，封裝為工具類，統一編碼（建議 UTF-8）。
• 前端輔助截斷：配合 CSS text-overflow: ellipsis 實現純前端截斷，減少後端壓力。
• 避免硬編碼長度：根據 UI 設計動態計算最大字節數，預留省略號空間。

掌握這些技巧，能有效解決列表頁、摘要顯示等場景的字符串截取難題，提升用戶體驗與數據完整性。