Question

小写s的unicode是U + 0073，this website在C和Java中是\u0073。

给定一个文件：a.txt包含：

http://www.example.com/\u0073

让我们用Java阅读这篇文章，并转发\，看看我们得到了什么：

import java.io.IOException;
import java.nio.file.Files;
import java.nio.file.Paths;
import org.apache.commons.lang3.StringEscapeUtils;

public class Main {
  public static void main(String[] args) throws IOException {
    String s2 = new String(Files.readAllBytes(Paths.get("a.txt")));
    System.out.println(s2); // prints http://www.example.com/\u0073

    String s3 = org.apache.commons.lang3.StringEscapeUtils.unescapeJava(s2);
    System.out.println(s3); // prints http://www.example.com/s
  }
}

输出结果为：

$ java -cp ./commons-lang3-3.4.jar:. Main
http://www.example.com/\u0073
http://www.example.com/s

unescapeJava(s2)方法调用从文件中取\\u0073，将unescapes转换为\u0073，然后打印成“s”。

我们可以在Haskell中做同样的事吗？

让我们使用文本库使用这两个文件：

Prelude > a <- Data.Text.IO.readFile "a.txt"
Prelude > a
"http://www.example.com/\\u0073\n"

对Haskell中从\u0073到s的自动翻译的任何期望都会被\x而不是\u前缀混淆，以实现这样的期望：

Prelude> "\x0073"
"s"

那么如何在apace-common-lang中使用unescapeJava(..)方法，并在Haskell中复制其功能以从\\u0073转到\u0073，并将其打印为“s”

Answer 1

在您的示例中，a和b不相等，因为生成它们的文件的内容不相等。

readFile使用＆＃34;运行时系统的区域设置，字符集编码和行结束转换设置来读取文件的文字内容。＆＃34; readFile不会解析W3C兼容（或任何其他）格式的数字或其他字符转义。角色＆＃34; \＆＃34;在文件中将始终作为文字＆＃34; \＆＃34;读取，并且永远不会作为转义序列的开头。我不确定你为什么会这样做，因为我不知道任何语言的标准库在阅读时会自动尝试解析文字＆＃34; \＆＃34; s到转义序列文件内容。

如果你想解析文字文本＆＃34; \ u0073＆＃34; （那是由Haskell显示的字符\，u，0，0，7，3 as＆＃34; \\ u0073＆＃34;）作为字符s的数字转义符，您需要编写解析器或使用其他人编写的解析器。 readLitChar是一个解析器，但它使用Haskell约定，这与W3C定义的不同。但是，您可以看到lexCharE的基础构造，这可能有助于您编写自己的构造。

取消在Haskell字符串中找到的unicode文字

1 个答案: