Question

就在前几天，我遇到了一个奇怪的怪虫。我有一串我必须建立的角色。作为主机系统的分隔符，我正在使用char 254进行通信。无论如何，我构建了我的字符串并将其发送给主机。在主机上我收到了char 222作为分隔符！在抓了我的头，然后深入地看着它似乎很奇怪

hex：FE，二进制：11111110

正在变成

hex：DE，二进制：11011110

我尝试了Locale.getDefault（）和Locale.ENGLISH无济于事。

String.toUpperCase的实现是否具有除特定硬编码之外的所有字符的掩码？

目前我正在使用以下方法解决问题：

public static String toUpperCase(String input) {

    char[] chars = input.toCharArray();


    for(int i = 0; i < chars.length; ++i ) {

        if( chars[i] > 96 && chars[i] < 123 ) {

            chars[i] &= 223;
        }

    }

    return new String(chars);

}

我的问题是我错过了什么吗？有没有更好的方式我不知道？谢谢你！

Answer 1

Unicode字符254是小写的刺，þ，冰岛语中使用的一个大致代表“th”声音的字母。它的大写版本是字符222，大写刺Þ。你期望会发生什么？

Answer 2

Java一般使用UTF-16。 Java中char基元类型的前256个值与Latin-1字符集完全相同，后者给出here。在该图表上，您可以看到大写值254（低冰岛刺）将其转换为值222（冰岛上游刺）。

道德是：不要在字符串中使用具有大小写分隔符的值。

Answer 3

根据http://www.unicode.org/faq/casemap_charprop.html：

Unicode标准定义了每个的默认案例映射个性，每个角色都被孤立地考虑。此映射不提供字符所在的上下文出现，也不适用于必须应用的特定于语言的规则使用自然语言文本。

所以看起来upper/lowerCase方法的工作方式几乎相同，无论您使用的是哪种Locale。指定不同的区域设置可能会影响一些特定的字母（如土耳其语中的“i”），但它不会使upper/lowerCase停止处理整组字母。因此，指定Locale.ENGLISH不会使upperCase忽略冰岛字母 - 或俄语或希腊字母。

Answer 4

String.toUpperCase（）不能执行任何操作，只能在给定的char集中转换为大写。

您的问题似乎暗示您的系统与主机之间的链接是使用8位字符集（ASCII？）完成的。但是，Java在各种字符集（UTF-16，UTF-8等）中使用16位字符。因此，在解释字符集和转换为8位时，必须要进行转换。如果字符集是UTF-8，则前127个字符用ASCII映射1-1。但是，您关注的是该范围之外的字符，因此需要进行更复杂的转换。我猜这就是问题所在。

所以我认为你应该：

找出主持人期待的字符集
找出从Java 16转换到字符的位置。你是自己做的吗？

我猜这个奇怪的行为就在那里。

抱歉，我无法提供更多帮助。如果您向我提供有关通信链接和转换过程的更多详细信息，我可能会更清楚地了解正在发生的事情

Answer 5

Locale trlocale= Locale.forLanguageTag("tr-TR");
Locale enLocale = Locale.forLanguageTag("en_US");
System.out.println("üğişçö".toUpperCase(new java.util.Locale("tr", "TR")));
System.out.println("üğişçö".toUpperCase(new java.util.Locale("en", "EN")));
value = new String(value.getBytes("UTF-8"), "UTF-8");

Java String.toUpperCase（）

5 个答案: