如何修剪文件路径段，确保各段写入后字节数不超255？

问题背景 #

现有代码通过字符数截断路径段，逻辑如下：

// No path component can be longer than 255 chars
String[] pathComponents = splitPath(newPath);
for(int i=0;i<pathComponents.length - 1;i++) {
    if (pathComponents[i].length() > MAX_FILELENGTH) {
        String shortened = pathComponents[i].substring(0, MAX_FILELENGTH - 1);
        shortened = shortened.trim();
        sb.append(shortened).append(File.separator);
    }
    else {
        sb.append(pathComponents[i]).append(File.separator);
    }
}

但当路径段包含多字节UTF-8字符（如中文、emoji等）时，即使字符数≤255，UTF-8编码后的字节数仍可能超过255，导致文件系统写入失败。已能通过以下代码判断字节数是否超限：

if(pathComponents[i].getBytes(StandardCharsets.UTF_8).length > MAX_FILELENGTH)

但需要精准修剪字符，确保修剪后的字符串UTF-8字节数不超过255，且不破坏Unicode字符完整性。

解决方案 #

实现一个按UTF-8字节数精准修剪的方法，逐个字符计算字节长度，避免截断多字节字符的中间部分：

1. 定义常量与修剪方法 #

private static final int MAX_FILELENGTH = 255;

private static String trimToUtf8ByteLimit(String input) {
    if (input == null || input.isEmpty()) {
        return input;
    }

    byte[] utf8Bytes = input.getBytes(StandardCharsets.UTF_8);
    if (utf8Bytes.length <= MAX_FILELENGTH) {
        return input;
    }

    int byteCount = 0;
    int charIndex = 0;
    int length = input.length();

    while (charIndex < length) {
        char c = input.charAt(charIndex);
        int charByteLength;

        // 计算当前字符的UTF-8字节数
        if (c <= 0x7F) {
            charByteLength = 1;
        } else if (c <= 0x7FF) {
            charByteLength = 2;
        } else if (Character.isHighSurrogate(c)) {
            // 处理UTF-16代理对（如emoji），占4字节UTF-8
            charByteLength = 4;
            charIndex++; // 跳过低代理字符
        } else {
            charByteLength = 3;
        }

        // 累加后超过限制则停止
        if (byteCount + charByteLength > MAX_FILELENGTH) {
            break;
        }

        byteCount += charByteLength;
        charIndex++;
    }

    // 截取安全字符范围，可选trim（根据业务需求调整）
    String trimmed = input.substring(0, charIndex).trim();
    
    // 极端情况二次验证，确保字节数合规
    if (trimmed.getBytes(StandardCharsets.UTF_8).length > MAX_FILELENGTH) {
        return trimToUtf8ByteLimit(trimmed);
    }
    return trimmed;
}

2. 修改原循环逻辑 #

String[] pathComponents = splitPath(newPath);
StringBuilder sb = new StringBuilder();

// 处理中间路径段
for(int i=0;i<pathComponents.length - 1;i++) {
    String shortened = trimToUtf8ByteLimit(pathComponents[i]);
    sb.append(shortened).append(File.separator);
}

// 处理最后一个路径段（原循环未覆盖）
if (pathComponents.length > 0) {
    String lastComponent = pathComponents[pathComponents.length - 1];
    sb.append(trimToUtf8ByteLimit(lastComponent));
}

注意事项 #

• 代理对处理：针对UTF-16中的代理对字符（如部分emoji），需跳过两个字符，避免截断导致乱码。
• trim可选：若无需去除首尾空格，可移除trim()步骤，根据业务需求调整。
• 二次验证：trim操作可能改变字节数，增加二次验证确保最终结果合规。

内容的提问来源于stack exchange，提问作者Paul Taylor