Question

我有一个文本，其中包含许多unicode（？）字符，如下所示：

passaic $ 002c新款球衣应该是：passaic，new jersey

Albert_W $ 002E_Barney 应该是：albert w。巴尼

Roosevelt_High_School_ $ $ 0028Yonkers $ 002C_New_York〇〇二九应该是：Roosevelt_High_School_（Yonkers，_New_York）

我在网上搜索了这些字符的大清单：http://colemak.com/pub/mac/wordherd_source.txt

你知道我可以用原始字符替换这些字符的快速方法吗？请注意，我不想逐个替换每个字符（比如使用replaceAll。）而是我想使用已经实现了这个的函数（可能是外部库）

Answer 1

尝试使用java的native2ascii工具。请参阅http://docs.oracle.com/javase/7/docs/technotes/tools/solaris/native2ascii.html

Answer 2

假设这些是UTF-16BE编码值，您可以使用解析值并转换为 char ：

  public static String parse(CharSequence csq) {
    StringBuilder out = new StringBuilder();
    Matcher matcher = Pattern.compile("\\$(\\p{XDigit}{4}+)").matcher(csq);
    int last = 0;
    while (matcher.find()) {
      out.append(csq.subSequence(last, matcher.start()));
      String hex = matcher.group(1);
      char ch = (char) Integer.parseInt(hex, 16);
      out.append(ch);
      last = matcher.end();
    }
    out.append(csq.subSequence(last, csq.length()));
    return out.toString();
  }

将具有特殊unicode的文本转换为普通文本（java）

2 个答案: