Question

我正在尝试编写与PHP的ord()：

等效的Java

public static int ord(char c) {
    return (int) c;
}

public static int ord(String s) {
    return s.length() > 0 ? ord(s.charAt(0)) : 0;
}

这似乎适用于序数值高达127的字符，即ASCII内。但是，对于扩展ASCII表或更高版本的字符，PHP返回195（和更高）。 Mr. Llama对the answer on a related question的评论解释如下：

详细说明，原因é显示ASCII 195是因为它实际上是一个双字节字符（UTF-8），其第一个字节是ASCII 195. - Llama先生

因此我改变了我的ord(char c)方法来屏蔽掉除最重要字节之外的所有字节：

public static int ord(char c) {
    return (int) (c & 0xFF);
}

然而，结果不同。两个例子：

ord('é')（U + 00E9）在PHP中提供195，而我的Java函数产生233
ord('⸆')（U + 2E06）在PHP中提供226，而我的Java函数产生6

我通过首先将String转换为String数组，显式地使用UTF-来接受byte 的方法，以获得相同的行为 8编码：

public static int ord(String s) { return s.length() > 0 ? ord((char)s.getBytes(StandardCharsets.UTF_8)[0]) : 0; }

但是，使用接受char的方法仍然像以前一样，我还无法找到解决方案。另外，我不明白为什么更改确实有效：Charset.defaultCharset()无论如何都会在我的平台上返回UTF-8。所以......

如何使我的功能与PHP的功能类似？

为什么对ord(String s)的更改确实有效？

非常感谢解释性答案，因为我想要了解究竟发生了什么。

Answer 1

在Java中char is a UTF-16 code unit。将UTF-16转换为UTF-8不仅仅是& 0xFF，例如UTF-16中的01FF在UTF-8中是C7 BF，因此PHP ord()应该给{ {1}}（199），但0xC7为255。

0x01FF & 0xFF版本有效，因为它实际上正在转换为UTF-8。

最简单的方法是反转你的两个重载，因为String有一个方便的方法来获取UTF-8：

String

和convert the char to a String：

public static int ord(String s) {
    return s.length() > 0 ? (s.getBytes(StandardCharsets.UTF_8)[0] & 0xff) : 0;
}

虽然这有效，但由于不必要的char→String→int转换，它效率不高。可以使用以下命令实际找到Unicode代码点public static int ord(char c) { return c < 0x80 ? c : ord(Character.toString(c)) }的UTF-8编码的第一个字节：

您可能还想阅读What is Unicode, UTF-8, UTF-16?以获取一些背景信息。

Java：PHP的ord（）的实现会产生超出ASCII

1 个答案: