Scala - 没有Apache的unescape Unicode字符串

Question

我有一个字符串“b \ u00f4lovar”，我想知道是否可以在不使用Commons-lang的情况下进行unescape。它有效，但我在一些环境中遇到问题，我想尽量减少它（即：它适用于我的机器但不适用于生产）。

StringEscapeUtils.unescapeJava(variables.getOrElse("name", ""))

如果没有apache lib，我该如何解决它？

提前感谢。

Answer 1

仅Unicode转义

如果您想以\u0000格式仅使用 序列，而只需使用单个正则表达式替换

def unescapeUnicode(str: String): String =
  """\\u+([0-9a-fA-F]{4})""".r.replaceAllIn(str,
    m => Integer.parseInt(m.group(1), 16).toChar match {
      case '\\' => """\\"""
      case '$' => """\$"""
      case c => c.toString
    })

结果是

scala> unescapeUnicode("b\\u00f4lovar \\u30B7")
res1: String = bôlovar シ

我们必须分别处理字符$和\，因为java.util.regex.Matcher.appendReplacement方法将它们视为特殊字符：

def wrongUnescape(str: String): String =
  """\\u([0-9a-fA-F]{4})""".r.replaceAllIn(str,
    m => Integer.parseInt(m.group(1), 16).toChar.toString)

scala> wrongUnescape("\\u00" + Integer.toString('$', 16))
java.lang.IllegalArgumentException: Illegal group reference: group index is missing
  at java.util.regex.Matcher.appendReplacement(Matcher.java:819)
  ... 46 elided

scala> wrongUnescape("\\u00" + Integer.toString('\\', 16))
java.lang.IllegalArgumentException: character to be escaped is missing
   at java.util.regex.Matcher.appendReplacement(Matcher.java:809)
   ... 46 elided

所有转义字符

Unicode字符转义有点特殊：它们不是字符串文字的一部分，而是程序代码的一部分。有一个单独的阶段用字符替换unicode转义：

scala> Integer.toString('a', 16)
res2: String = 61

scala> val \u0061 = "foo"
a: String = foo

scala> // first \u005c is replaced with a backslash, and then \t is replaced with a tab.
scala> "\u005ct"
res3: String = "    " 

Scala库中有一个函数StringContext.treatEscapes，它支持语言规范中的所有normal escapes。

因此，如果您想支持unicode转义和所有正常的Scala转义，您可以按顺序进行转发：

def unescape(str: String): String =
  StringContext.treatEscapes(unescapeUnicode(str))

scala> unescape("\\u0061\\n\\u0062")
res4: String =
a
b

scala> unescape("\\u005ct")
res5: String = "    "