正确分割UTF-8字符串的方法

Question

我想分割一个utf-8字符串。

我尝试了StringTokenizer，但失败了。

标题应为“0”，但显示为“عدي_صدام_حسين”。

    String test = "en.m عُدي_صدّام_حُسين 1 0";

    StringTokenizer stringTokenizer = new StringTokenizer(test);
    String code = stringTokenizer.nextToken();
    String title = stringTokenizer.nextToken();

拆分utf-8字符串的正确方法是什么？

Answer 1

这里的问题是阿拉伯语文本不是字符串的“末尾”。

例如，如果我选择字符串文字的内容（在Chrome中），从左到右移动鼠标，则首先选择en.m，然后选择所有阿拉伯文字，然后选择0 1。文本只是看起来“结束”，因为它是如何呈现的。

在Java源代码中指定的字符串实际上 具有عُدي_صدّام_حُسين作为第二个标记。所以，你正确地分裂它，你只是没有分裂你认为你分裂的东西。

Answer 2

通常， 没有正确的方法，但我通常使用substring()类的方法String（请参阅here）。您可以将它传递给begin索引，以使其从该索引返回到原始String结尾的子字符串，或者返回原始String中子字符串的两个边界。使用同一类的方法indexOf()，如果您不知道其索引，则可以在原始String中找到一个字符。