Question

我有一个字符串＆＃34; 1234567（Asics（アシックスワーキング））＆＃34;。它有unicode字符，有些是ASCII的一部分，有些则不是。 java的作用是ASCII字符需要一个字节，其他unicode字符需要两个字节。

我程序的某些部分无法以此格式处理字符串。所以我想将值编码为转义序列。

所以字符串

＆＃34; 1234567（Asics（アシックスワーキング））＆＃34;

将映射到

＆＃34; \ u0031 \ u0032 \ u0033 \ u0034 \ u0035 \ u0036 \ u0037 \ u0028 \ u0041 \ u0073 \ u0069 \ u0063 \ u0073 \ u0020 \ u0028 \ u30a2 \ u30b7 \ u30c3 \ u30af \ u30b9 \ u30ef \ u30fc \ u30ad \ u30f3 \ u30b0 \ u0029 \ u0020 \ u0029＆＃34;

我写了这个函数来做到这一点： -

public static String convertToEscaped(String utf8) throws java.lang.Exception
    {
    char[] str = utf8.toCharArray();
    StringBuilder unicodeStringBuilder = new StringBuilder();
    for(int i = 0; i < str.length; i++){
    char charValue = str[i];
    int intValue = (int) charValue;
    String hexValue = Integer.toHexString(intValue);
    unicodeStringBuilder.append("\\u");
    for (int length = hexValue.length(); length < 4; length++) {
        unicodeStringBuilder.append("0");
    }
    unicodeStringBuilder.append(hexValue);
    }
    return unicodeStringBuilder.toString();
    }

这在我的程序之外工作正常但在我的程序中引起了问题。发生在char[] str = utf8.toCharArray();行不知何故，我失去了我的日语unicode角色，这种情况正在发生，因为t将这些字符分成char数组中的2个。

所以我决定改为使用byte []。

    public static String convertToEscaped(String utf8) throws java.lang.Exception
    {
    byte str[] = utf8.getBytes();
    StringBuilder unicodeStringBuilder = new StringBuilder();
    for(int i = 0; i < str.length - 1 ; i+=2){
    int intValue = (int) str[i]* 256 + (int)str[i+1];
    String hexValue = Integer.toHexString(intValue);
    unicodeStringBuilder.append("\\u");
    for (int length = hexValue.length(); length < 4; length++) {
        unicodeStringBuilder.append("0");
    }
    unicodeStringBuilder.append(hexValue);
    }
    return unicodeStringBuilder.toString();
    }

输出： \ u3132 \ u3334 \ u3536 \ u3738 \ u2841 \ u7369 \ u6373 \ u2028 \ uffffe282 \ uffffa1e3 \ uffff81b7 \ uffffe283 \ uffff82e3 \ uffff81af \ uffffe282 \ uffffb8e3 \ uffff82af \ uffffe283 \ uffffbbe3 \ uffff81ad \ uffffe283 \ uffffb2e3 \ uffff81b0 \ u2920

但这也是错误的，因为我将两个单字节字符合并为一个。我该怎么做才能克服这个问题？

Answer 1

我不了解您的其他代码的具体要求。但我的建议是不要重新发明轮子并使用API的内置编码功能。

例如，根据您需要的字节顺序，使用getBytes或StandardCharsets.UTF_16BE来调用StandardCharsets.UTF_16LE：

String s = "1234567(Asics (アシックスワーキング) )";

byte[] utf8 = s.getBytes(StandardCharsets.UTF_8);
byte[] utf16 = s.getBytes(StandardCharsets.UTF_16BE); // high order byte first

System.out.println(s.length()); // 28
System.out.println(utf8.length); // 48
System.out.println(utf16.length); // 56 (2 bytes for each char)

Answer 2

正如他们在上面评论的那样，java中字符串的内部表示形式是utf-16。结果

Character.codePointAt（）和Integer.toHexString（）在您的案例中很有用。

将参数重命名为theString，同时从原始方法中删除了throws Exception子句，因为没有抛出异常。（抛出这些通用异常通常是不好的做法）

public static String convertToEscaped(String theString) {
    char[] charArr = theString.toCharArray();

    StringBuilder sb = new StringBuilder();
    for (int i = 0; i < charArr.length; i++) {
        String hexString = Integer.toHexString(Character.codePointAt(charArr, i));

        sb.append("\\u");

        if (hexString.length() == 2) {
            sb.append("00");
        }
        sb.append(hexString);
    }
    return sb.toString();
 }

为什么我不能在Java中的char数组中存储日语UTF-8字符？

2 个答案: