Question

您好有以下字符串，

Let\342\200\231s start with the most obvious question first. This is what an \342\200\234unfurl\342\200\235 is

应该显示为前三个数字（\342\200\231）实际上代表八进制序列http://graphemica.com/%E2%80%99，其unicode等效项为\u2019

类似地，\342\200\234表示八进制序列http://graphemica.com/%E2%80%9C，其等效字节为\u201C

我可以使用任何库或函数将这些八进制序列转换为它们的unicode等价物吗？

Answer 1

您显示的字节是（UTF-8编码的表示），它只是众多Unicode形式中的一种。 Java旨在处理诸如字节序列（例如数组，以及流）之类的编码，但不能用作字符和字符串。更简洁的方法是实际使用字节，但是你必须处理Java字节被签名的事实（-128 .. +127）和所有多字节UTF-8代码（按设计）在8的上半部分位空间：

byte[] a = {'L','e','t',(byte)0342,(byte)0200,(byte)0231,'s'};
System.out.println (new String (a,StandardCharsets.UTF_8));
// or arguably uglier
byte[] b = {'L','e','t',0342-256,0200-256,0231-256,'s'};
System.out.println (new String (b,StandardCharsets.UTF_8));

但是如果你想要更接近原作的东西，你可以通过处理一个实际包含UTF-8字节的字符串（ unsigned 字符）来作弊，就像它包含8位一样形成Unicode的字符范围为0000-00FF，定义为与ISO-8859-1相同：

byte[] c = "Let\342\200\231s".getBytes(StandardCharsets.ISO_8859_1);
System.out.println (new String (c,StandardCharsets.UTF_8));

Answer 2

在Java中，Octals无法实现这一点，只能使用Hexa。

这很好用：

System.out.println("\u2019");

由于纯粹的历史原因，Java可能完全支持八进制转义序列。这些逃逸序列起源于C（或者可能是C的前身B和BCPL），在像PDP-7这样的计算机统治地球的时代，大量编程是在汇编或直接在机器代码中完成的，而八进制是首选的数字写入指令代码的基础，没有Unicode，只有ASCII，所以三个八进制数字足以代表整个字符集。

当Unicode和Java出现时，八进制几乎已经让位于十六进制作为十进制时的首选数字基数。所以Java的\ u转义序列采用十六进制数字。可能只支持八进制转义序列以使C程序员感到舒服，并且可以很容易地将C程序中的字符串常量复制到Java程序中。

如何在Java中将八进制char序列转换为unicode

2 个答案: