分块读取网页，汉字出现乱码

Question

现在开发个应用，读取网页的内容，可是因为手机的内存关系，需要一部分一部分读，例如：设置len=1024,然后is.read(data, 0, len);下次再读的时候是从1024开始读，用的是is.skip(len);然后再调用is.read(data, 0, len); 
可是就会出现问题，第一次截取的时候到1024把汉字截断了，第二次再从1024开始取，以后的就会都是乱码，请问各位，如何解决，能截取出完整的汉字。

Answer 1

我想了一下，只从最后判断不行。要从前面开始根据编码规则：字母的byte是单个的，数值为正数，如果转化为无符号那么数值小于128(0x80)
汉字是双byte, 每个byte数值为负数, 如果转化为无符号那么数值大于等于128你就按照读取顺序，小于128就拿一个，不是就拿两个，一直到最后一个字节那里，如果需要拿两个，
那么这个就是汉字的一部分，需要留给下一个段。以上只是针对字母与汉字，如果还有什么三字节，四字节，那判断规则还要增加

Answer 2

第一次截取的时候到1024把汉字截断了，第二次再从1024开始取
先判断 如果是把汉字截断了 第二次 就从1024 + 1 出开始截
这样应该可以 str.length 可以试试这个
希望有所启发

Answer 3

给你个小例子
public class test { /**
 * @param args
 */
public static void main(String[] args) {
// TODO Auto-generated method stub
String s = "ab我们de";
byte[] bArray = s.getBytes();

for (int i = 0; i < bArray.length; i++) {
System.out.println(bArray[i]);
}

for (int i = 0; i < bArray.length; i++) {
if (bArray[i] > 0) {
transfer(bArray, i, true);
}
else {
transfer(bArray, i, false);
i++;
}
}
}

public static void transfer(byte[] bArray, int startNum, boolean isAlphabet) {
byte[] alphaArray = new byte[2];
if (isAlphabet) {
alphaArray[1] = bArray[startNum];
}
else {
alphaArray[0] = bArray[startNum];
alphaArray[1] = bArray[startNum+1];
}

System.out.println(new String(alphaArray));
}}

Answer 4

首先，你要判断是否为汉字，更准确的说是一个字节以上的都应该判断。因此，你可以采用下面代码：
常识：ASCII码0-126的打印字符为单字节，以外的为两字节
  用这个方法判断。
  public isSingleBety(){}
   String   s="bbbb你好aaaa";   
   
   for(int i=0;i<s.lenght;i++){   
         
        int ii=(int)s.charAt(i);   
        if(ii<=0||ii>=126)   {
         System.out.println("字符为双字节 ："+charAt(i));                         
  } 
  }   
  参考这个应该可以搞定了吧。纯手工，有点乱，不对就砸。

Answer 5

楼上的为什么都以为网页的编码就是GBK活着GB2312呢?
如果是UTF-8编码的话,那么判断起来就简单多了
仅需要判断1024字节附近两到三个字节