Question

我有一个包含多个unicode字符的字符串。我想识别所有这些unicode字符，例如： \ uF06C ，并将其替换为反斜杠和四个六角形数字，而不包含“u”。

示例：

源字符串：“添加\ uF06Cd1子句”

结果字符串：“添加\ F06Cd1子句”

如何在Java中实现这一目标？

修改

链接Java Regex - How to replace a pattern or how to中的问题与此不同，因为我的问题涉及unicode字符。虽然它有多个文字，但它被jvm视为单个字符，因此正则表达式不起作用。

Answer 1

正确的方法是使用正则表达式匹配整个unicode定义并使用group-replacement。

匹配unicode-string的正则表达式：

unicode-character看起来像\uABCD，所以\u，后跟一个4个字符的十六进制数字字符串。匹配这些可以使用

完成

\\u[A-Fa-f\d]{4}

但是这有一个问题：
在String喜欢＆＃34;只是一些\\ uabcd任意文本＆＃34; \u仍会匹配。因此，我们需要确保\u前面有偶数个\ s：

(?<!\\)(\\\\)*\\u[A-Fa-f\d]{4}

现在作为输出，我们想要一个反斜杠后跟hexnum-part。这可以通过组替换来完成，所以让我们从分组字符开始：

(?<!\\)(\\\\)*(\\u)([A-Fa-f\d]{4})

作为替代，我们希望组中的所有反斜杠都匹配两个反斜杠，然后是反斜杠和unicode-literal的hexnum-part：

$1\\$3

现在为实际代码：

String pattern = "(?<!\\\\)(\\\\\\\\)*(\\\\u)([A-Fa-f\\d]{4})";
String replace = "$1\\\\$3";

Matcher match = Pattern.compile(pattern).matcher(test);
String result = match.replaceAll(replace);

这有很多反面！好吧，java，regex和反斜杠存在问题：反斜杠需要在java 和正则表达式中进行转义。所以＆＃34; \\\\＆＃34;作为java中的模式字符串，匹配一个\作为正则表达式匹配的字符。

编辑：
在实际字符串上，需要过滤掉字符并将其替换为整数表示：

StringBuilder sb = new StringBuilder();
for(char c : in.toCharArray())
   if(c > 127)
       sb.append("\\").append(String.format("%04x", (int) c));
   else
       sb.append(c);

这假设为＆＃34; unicode-character＆＃34;你的意思是非ASCII字符。此代码将按原样打印任何ASCII字符，并将所有其他字符输出为反斜杠，后跟其unicode代码。定义＆＃34; unicode-character＆＃34;虽然很模糊，因为java中的char总是代表unicode-characters。这种方法可以保留任何控制字符，如＆＃34; \ n＆＃34;，＆＃34; \ r＆＃34;等，这就是我选择它而不是其他定义的原因。

Answer 2

尝试使用String.replaceAll（）方法

s = s.replaceAll（“\ u”，“\”）;

Java替换字符串中的Unicode字符

2 个答案: