Question

有一个名为＆＃34; dd.txt＆＃34;在我的磁盘中，它的内容是 \u5730\u7406

现在，当我运行这个程序时

public static void main(String[] args) throws IOException {
    FileInputStream fis=new FileInputStream("d:\\dd.txt");
    ByteArrayOutputStream baos=new ByteArrayOutputStream();
    byte[] buffer=new byte[fis.available()];
    while ((fis.read(buffer))!=-1) {
        baos.write(buffer);
    }
    String s1="\u5730\u7406";
    String s2=baos.toString("utf-8");
    System.out.println("s1:"+s1+"\n"+"s2:"+s2);
}

我得到了不同的结果

s1:地理
s2:\u5730\u7406

你能告诉我为什么吗？以及如何读取该文件并获得与中文s1相同的结果？

Answer 1

在Java代码中编写\u5730时，编译器将其解释为单个unicode字符（unicode文字）。当你把它写到一个文件时，它只是6个常规字符（因为没有解释它的东西）。您有没有理由不直接将地理写入文件？

如果您希望读取包含unicode文字的文件，您需要自己解析这些值，丢弃\u并自行解析unicode代码点。如果你控制文件的创建，首先在文件中用合适的编码（例如UTF-8）编写适当的unicode要容易得多，在正常情况下你永远不会遇到包含这些转义的unicode文字的文件

Answer 2

在您的Java代码中，processData:false 解释为Unicode文字，因此它们显示为中文字符。这样做只是因为指示编译器这样做。

要获得相同的结果，您必须自己进行一些解析：

\uxxxx

（请注意，这只适用于每个字符都是Unicode文字格式，例如String[] hexCodes = s2.split("\\\\u"); for (String hexCode : hexCodes) { if (hexCode.length() == 0) continue; int intValue = Integer.parseInt(hexCode, 16); System.out.print((char)intValue); }）

Answer 3

试试这个：

static final Pattern UNICODE_ESCAPE = Pattern.compile("\\\\u([0-9a-fA-F]{4})");

static String decodeUnicodeEscape(String s) {
    StringBuilder sb = new StringBuilder();
    int start = 0;
    Matcher m = UNICODE_ESCAPE.matcher(s);
    while (m.find()) {
        sb.append(s.substring(start, m.start()));
        sb.append((char)Integer.parseInt(m.group(1), 16));
        start = m.end();
    }
    sb.append(s.substring(start));
    return sb.toString();
}

public static void main(String[] args) throws IOException {
    // your code ....
    String s1="\u5730\u7406";
    String s2= decodeUnicodeEscape(baos.toString("utf-8"));
    System.out.println("s1:"+s1+"\n"+"s2:"+s2);
}

源代码中的字符串与从文件读取的字符串之间的区别是什么？

3 个答案: