给定以下代码：
String tmp = new String("\\u0068\\u0065\\u006c\\u006c\\u006f\\u000a");
String result = convertToEffectiveString(tmp); // result contain now "hello\n"
JDK已经提供了一些用于此目的的类吗？是否有一个库可以做到这一点？（最好是在maven下）
我尝试过使用ByteArrayOutputStream，但没有成功。
3个回答
3
首先，您是想解析字符串文字还是tmp将成为一些用户输入的数据？
如果这将是一个字符串字面量（即硬编码字符串），则可以使用Unicode转义进行编码。在您的情况下，这意味着只需使用单个反斜杠而不是双反斜杠：
String result = "\u0068\u0065\u006c\u006c\u006f\u000a";
然而，如果你需要使用Java的字符串解析规则来解析用户输入，一个好的起点可能是Apache Commons Lang的StringEscapeUtils.unescapeJava()方法。
- prunge
3
这个代码可以处理ASCII字符，但是如果你使用ASCII码范围之外的Unicode字符，将会遇到问题（因为每个字符都被压缩成一个字节，而UTF-8允许每个字符占据一个完整的字）。下面的类型转换可以进行，因为你知道如果你保证输入基本上是ASCII字符（正如你在评论中提到的那样），那么UTF-8不会溢出一个字节。
package sample;
import java.io.UnsupportedEncodingException;
public class UnicodeSample {
public static final int HEXADECIMAL = 16;
public static void main(String[] args) {
try {
String str = "\\u0068\\u0065\\u006c\\u006c\\u006f\\u000a";
String arr[] = str.replaceAll("\\\\u"," ").trim().split(" ");
byte[] utf8 = new byte[arr.length];
int index=0;
for (String ch : arr) {
utf8[index++] = (byte)Integer.parseInt(ch,HEXADECIMAL);
}
String newStr = new String(utf8, "UTF-8");
System.out.println(newStr);
}
catch (UnsupportedEncodingException e) {
// handle the UTF-8 conversion exception
}
}
}
下面是另一种解决仅适用于ASCII字符的问题的方法。这种方法适用于UTF-8范围内的任何Unicode字符，而不仅仅是范围的前8位ASCII字符。感谢deceze提出的问题。您让我更深入地思考了问题和解决方案。
package sample;
import java.io.UnsupportedEncodingException;
import java.util.ArrayList;
public class UnicodeSample {
public static final int HEXADECIMAL = 16;
public static void main(String[] args) {
try {
String str = "\\u0068\\u0065\\u006c\\u006c\\u006f\\u000a\\u3fff\\uf34c";
ArrayList<Byte> arrList = new ArrayList<Byte>();
String codes[] = str.replaceAll("\\\\u"," ").trim().split(" ");
for (String c : codes) {
int code = Integer.parseInt(c,HEXADECIMAL);
byte[] bytes = intToByteArray(code);
for (byte b : bytes) {
if (b != 0) arrList.add(b);
}
}
byte[] utf8 = new byte[arrList.size()];
for (int i=0; i<arrList.size(); i++) utf8[i] = arrList.get(i);
str = new String(utf8, "UTF-8");
System.out.println(str);
}
catch (UnsupportedEncodingException e) {
// handle the exception when
}
}
// Takes a 4 byte integer and and extracts each byte
public static final byte[] intToByteArray(int value) {
return new byte[] {
(byte) (value >>> 24),
(byte) (value >>> 16),
(byte) (value >>> 8),
(byte) (value)
};
}
}
- jmq
5
1“除UTF-8之外的Unicode字符”是什么？Unicode/UTF-8字符如何被“塞入一个字节”中？我不知道你是否意思正确，但是你表达得不够清楚，大部分都是错误的。 - deceze
如果您在字符串“str”中使用的是不同于UTF-8的Unicode字符集，则此代码可能无法正常工作。 UTF-8仍然使用8位，而其他Unicode字符集可能（很可能）使用超过8位（全部16位）。http://www.joelonsoftware.com/articles/Unicode.html - jmq
显然，一般情况下，这段代码是不够的。但在我的情况下，输入保证完全可翻译成ASCII。 - Stephan
@jmq 你的意思是源代码是否采用不同于UTF-8的字符集进行编码（我认为在Java中这并不重要）？因为，虽然我不太了解Java，但那些看起来像Unicode代码点，而不是UTF-8特定字节。http://kunststube.net/encoding/ - deceze
@jmq 嗯，你更正后的说法更有意义，但是 UTF-8 会 对非 ASCII 字符使用多个字节。这段文本之所以能够运行，是因为它基本上只包含 ASCII 字符，但对于实际包含“Unicode字符”（即非 ASCII 字符）的情况，它将失败。 - deceze
1
我相信一定有更好的方法，但只使用JDK：
public static String handleEscapes(final String s)
{
final java.util.Properties props = new java.util.Properties();
props.setProperty("foo", s);
final java.io.ByteArrayOutputStream baos = new java.io.ByteArrayOutputStream();
try
{
props.store(baos, null);
final String tmp = baos.toString().replace("\\\\", "\\");
props.load(new java.io.StringReader(tmp));
}
catch(final java.io.IOException ioe) // shouldn't happen
{ throw new RuntimeException(ioe); }
return props.getProperty("foo");
}
使用 java.util.Properties.load(java.io.Reader) 处理反斜杠转义（在首先使用 java.util.Properties.store(java.io.OutputStream, java.lang.String) 转义任何可能导致属性文件问题的内容，然后使用 replace("\\\\", "\\") 反转原始反斜杠的转义）。
（免责声明：尽管我测试了我能想到的所有情况，但仍然可能有一些我没有考虑到的情况。）
- ruakh
网页内容由stack overflow 提供, 点击上面的可以查看英文原文，
原文链接
原文链接