Question

我想只将特殊字符转换为UTF-8等效字符。例如，给定一个字符串：Abcds23#$_ss，它应该转换为Abcds23353695ss。

以下是我如何进行上述转换： #的十六进制的utf-8是23，十进制的是35. $的十六进制的utf-8是24，十进制的是十进制的。{{1的十六进制的utf-8是5f，十进制是95。

我知道我们有_方法。但我想用特定的UTF-8等效替换特定字符。

我如何在java中做同样的事情？

Answer 1

我不知道你如何定义＆＃34;特殊字符＆＃34;，但这个功能应该给你一个想法：

public static String convert(String str) 
{
    StringBuilder buf = new StringBuilder();
    for (int index = 0; index < str.length(); index++)
    {
        char ch = str.charAt(index);
        if (Character.isLetterOrDigit(ch))
            buf.append(ch);
        else
            buf.append(str.codePointAt(index));
    }
    return buf.toString();
}

@Test
public void test()
{
    Assert.assertEquals("Abcds23353695ss", convert("Abcds23#$_ss"));
}

Answer 2

以下使用java 8或更高版本并检查Unicode代码点（符号）是字母还是数字，纯ASCII（＆lt; 128），否则将Unicode代码点输出为数值的字符串。

static String convert(String str) {
    int[] cps = str.codePoints()
            .flatMap((cp) ->
                Character.isLetterOrDigit(cp) && cp < 128
                ? IntStream.of(cp)
                : String.valueOf(cp).codePoints())
                    .toArray();
    return new String(cps, 0, cps.length);
}

String.codePoints()产生一个IntStream，flatMap在单个展平流中添加IntStream，toArray将其收集在一个数组中。所以我们可以从这些代码点构造一个新的String。完全符合Unicode安全。

没有分隔符，转换无法撤消。

关于Unicode：

Unicode 数字符号，称为代码点，从0开始，进入3字节范围。

以字节编码（格式化）存在 UTF-8 （多字节）， UTF-16LE 和 UTF-16BE （2字节序列）和 UTF-32 （代码点或多或少）。 .class文件中的Java字符串常量是UTF-8。 String由UTF-16BE char组成。 String可以给出如上所述的代码点。所以java by design使用Unicode作为文本。

用UTF-8编码的字符java替换字符串中的特殊字符？

2 个答案: