从字节数组创建字符串，长度不一致

Question

我有一个问题，我在一个方法中接收到一个字符串，但是在数据库中这个字符串必须被限制为200个字符（Varchar），其中包含特定的字符，尽管该字符串的长度小于200，但是字节长度似乎超过了200，因此我尝试做如下处理：

获取字符串的字节长度

byte[] nameBytes = name.getBytes("UTF-8");

如果nameBytes的长度大于200，我会尝试使用原始nameBytes的子数组创建一个新的字符串，如下所示：

name = new String(Arrays.copyOfRange(nameBytes, 0, 200), "UTF-8");

我确定Arrays.copyOfRange(nameBytes, 0, 200)返回长度为200的数组，但是当我创建新的String时，revision name.getBytes("UTF-8").length给出201，所以我不知道为什么会增加一个字节。

我做错了什么吗？或者有没有一种方法可以确保创建与字符数组相同长度的数组？

提前致谢。

- John B

---

字节不是字符。UTF-8将信息存储在1-4个字节中。 - Sam McCreery

你的数据库限制字节数还是字符数？它是哪个DBMS？ - Thomas

@SamM 有没有办法知道字符的数量？我猜字符串保存字符，对吗？ - John B

@Thomas，我猜DB2是按字节限制的，但我不确定，因为例如使用string.length()函数可以得到字符数，而在这种情况下字符数少于150个，但getBytes函数显示超过201个并标记错误。 - John B

Answer 1

首先是一些例子：

        String cs;
        String name = "façade";
        byte[] nameBytes;        

        System.out.println(String.format("String '%s': %d", name, name.length()));
        cs = "UTF-8";
        nameBytes = name.getBytes(Charset.forName(cs));
        System.out.println(String.format("%s: %d / %d", cs, nameBytes.length, new String(nameBytes, cs).length()));
        cs = "UTF-16";
        nameBytes = name.getBytes(Charset.forName(cs));
        System.out.println(String.format("%s: %d / %d", cs, nameBytes.length, new String(nameBytes, cs).length()));
        cs = "UTF-16BE";
        nameBytes = name.getBytes(Charset.forName(cs));
        System.out.println(String.format("%s: %d / %d", cs, nameBytes.length, new String(nameBytes, cs).length()));

带有输出：

    String 'façade': 6  ---> 6 characters with one outside ASCII range
    UTF-8: 7 / 6 ---> 'ç' requires 2 bytes, the others only one
    UTF-16: 14 / 6 ---> 2 x 6 bytes for code points + 2 bytes for BOM
    UTF-16BE: 12 / 6 ---> no need to embedded the BOM here => 2 x 6 bytes are enough

评论：

• 始终指定字符集，即双向指定。
• 关于BOM，请参见字节顺序标记。
• 引自Unicode字符表示：char数据类型（因此Character对象封装的值）基于最初的Unicode规范，该规范将字符定义为固定宽度的16位实体。

这里的问题是关于数据库中使用的字符集。如果是UTF-8，则在达到200个字节限制时需要逐个字符检查。使用UTF-8时，无法在任意字节数上截断字符串：它可能在任何两个字节字符的中间。结果是不可预测的。

- atao