如何獲取字符串的編碼版本（例如\ u0421 \ u043b \ u0443 \ u0436 \ u0435 \ u0431 \ u043d \ u0430 \ u044f）使用Java？如何獲取字符串的編碼版本（例如 u0421 u043b u0443 u0436 u0435 u0431 u043d u0430 u044f）
編輯： 我想這個問題不是很清楚......基本上我想是這樣的：
給定的字符串S =「blalbla」我想串「\ UXXX \ uYYYY」
您需要將每個代碼點/單元從字符串中提取與自己編碼。即使字符串中的單個語言字符由雙字母或連字組成，以下方法適用於所有字符串。
public String getUnicodeEscapes(String aString)
{
if (aString != null && aString.length() > 0)
{
int length = aString.length();
StringBuilder buffer = new StringBuilder(length);
for (int ctr = 0; ctr < length; ctr++)
{
char codeUnit = aString.charAt(ctr);
String hexString = Integer.toHexString(codeUnit);
String padAmount = "0000".substring(hexString.length());
buffer.append("\\u");
buffer.append(padAmount);
buffer.append(hexString);
}
return buffer.toString();
}
else
{
return null;
}
}
上面產生作爲Unicode escapes決定由Java語言規範輸出，即它產生的形式\uxxxx的輸出爲每個UTF-16 代碼單元。它通過產生表示爲\uxxxx\uyyyy的一對代碼單元來解決補充字符。
的最初發布代碼已被修改，以在格式U+FFFFF Unicode代碼點：
public String getUnicodeCodepoints(String aString)
{
if (aString != null && aString.length() > 0)
{
int length = aString.length();
StringBuilder buffer = new StringBuilder(length);
for (int ctr = 0; ctr < length; ctr++)
{
char ch = aString.charAt(ctr);
if (Character.isLowSurrogate(ch))
{
continue;
}
else
{
int codePoint = aString.codePointAt(ctr);
String hexString = Integer.toHexString(codePoint);
String zeroPad = Character.isHighSurrogate(ch) ? "00000" : "0000";
String padAmount = zeroPad.substring(hexString.length());
buffer.append(" U+");
buffer.append(padAmount);
buffer.append(hexString);
}
}
return buffer.toString();
}
else
{
return null;
}
}
的gruntwork由String.codePointAt()方法，該方法在一個特定的索引返回Unicode編碼點來完成。對於由組合字符組成的String實例，String實例的長度不會是可見字符數的長度，而是實際Unicode碼點的數量。例如，क和्在梵文中組合形成क्，並且上述功能將正確地返回U+0915 U+094d而沒有任何大驚小怪，因爲String.length()將針對組合字符返回2。帶有補充字符的字符串將爲單個字符設置單個代碼點 - （該頁面不會正確顯示此字符串文字，但您可以複製該文件;它應該是Javascript，但使用補充字符集Mathematical alphanumeric symbols寫入）將返回U+1d4a5 U+1d4b6 U+1d4cb U+1d4b6 U+1d4c8 U+1d4b8 U+1d4c7 U+1d4be U+1d4c5 U+1d4c9。
這正是我需要的，非常感謝。 – Asterisk
**該代碼錯誤！**首先，它甚至不會編譯，因爲'string'應該是函數中的'aString'。其次，它有UTF-16錯誤，因爲它忘記了'if（aString.codePointAt（ctr）> Character.MAX_VALUE）{ctr ++; } // UG！'。試試像''「'來看看我的意思。這是包含九個（但不是十八個）Unicode字符的字符串：U + 1D4A5 U + 1D4B6 U + 1D4CB U + 1D4B6 U + 1D4C8 U + 1D4B8 U + 1D4C7 U + 1D4BE U + 1D4C5 U + 1D4C9'。至於結合字符，Java沒有適當的字形支持，所以你剛剛被洗淨。 – tchrist
幹得好。我厭惡Java中的整個代碼單元事物;這是一個可怕的糟糕的混亂。記住refrain：* int是新的char *。我們確實需要一個可以在Unicode代碼點上正常工作的UString類，所以'length（）'返回它們的計數等。太糟糕了，我們無法子類化String或者改變編譯器的文字。這些看起來不可修復，是一種詛咒。順便說一句，[喬治Doursos的Symbola字體]（http://users.teilar.gr/~g1951d/）將讓你看到數學字母和更多。 – tchrist
public static void main(String[] args) {
Charset charset = Charset.forName("UTF-8");
CharsetDecoder decoder = charset.newDecoder();
CharsetEncoder encoder = charset.newEncoder();
try {
ByteBuffer bbuf = encoder.encode(CharBuffer.wrap("\u0421\u043b\u0443\u0436\u0435\u0431\u043d\u0430\u044f"));
CharBuffer cbuf = decoder.decode(bbuf);
String s = cbuf.toString();
System.out.println(s);
} catch (CharacterCodingException e) {
e.printStackTrace();
}
}
給出一個字符串s我想得到它的編碼 – Asterisk
我不知道一個內置的解決方案，所以：
StringBuilder builder = new StringBuilder();
for(int i=0; i<yourString.length(); i++) {
builder.append(String.format("\\u%04x", yourString.charAt(i)));
}
String encoded = builder.toString();
編輯：sry，我以爲你想要得到字符串編碼爲\ uXXXX表達式...
你沒有說你以後是什麼編碼，但基於標籤我假設你想UTF- 8編碼。具體方法如下：
byte[] utf8 =
"\u0421\u043b\u0443\u0436\u0435\u0431\u043d\u0430\u044f".getBytes("UTF-8");
然後，您可以編寫一個簡單的循環來輸出utf8字節十六進制或十進制......或做其他事與他們。
System.out.println ("\u0421\u043b\u0443\u0436\u0435\u0431\u043d\u0430\u044f");
作品對我來說就像魅力：
Служебная
您的編輯不是編輯。這是一個新問題。 –
你已經標記了這個UTF-8，所以你想要UTF-8？還是你想要UCS-2（這不是一個有效的Unicode編碼）代碼單元而不是適當的邏輯Unicode代碼點？ – tchrist