获取字符的Unicode值

Question

在Java中是否有办法获取任何字符的Unicode等效值？例如：

假设有一个方法getUnicode(char c)。调用getUnicode('÷')应该返回\u00f7。

- Saurabh

---

在Java中，字符已经是Unicode。 - user502187

Answer 1

你可以使用这个一行代码来处理任何Java字符：

System.out.println( "\\u" + Integer.toHexString('÷' | 0x10000).substring(1) );

但它只能处理Unicode字符直到Unicode 3.0，这就是为什么我强调你可以用任何Java字符来完成它。

由于Java在Unicode 3.1出现之前就被设计了，所以Java的char原始类型不足以表示Unicode 3.1及以上版本：不再有“一个Unicode字符对应一个Java char”的映射（而是使用了一个巨大的hack）。

因此，在这里您确实需要检查您的要求：您是否需要支持Java char或任何可能的Unicode字符？

- SyntaxT3rr0r

---

谢谢。我已经用这种方式检查了所有字符，目前看起来都很好。 - Saurabh

“怪异的黑客”是指广泛使用的UTF-16编码。虽然不是完美的选择，但它被广泛理解，并且比仅支持UCS-2编码要好得多。 - Joachim Sauer

@Joachim：然而，现在String.charAt返回“半个字符”，而String.length返回的内容可能与字符数不同，这不是很丑陋吗？（这里的“字符”指Unicode代码点，而不是Java字符）String类应该是独立于编码问题的（在Unicode 3.1之前也确实如此）。 - Thilo

@Joachim：我所指的正是Thilo描述的内容。对我来说，真正的问题在于为了保持向后兼容性，我们有一个方法charAt(...)，它并不返回一个字符。这很糟糕。方法名称保持不变，但它的Javadoc已经被重新编写了。现在我们有了codePointAt(...)，几乎没有人知道，而且问题非常令人困惑。这不完全是Java设计者的错，因为正如我在答案中所写的那样，Java是在Unicode 3.1发布之前设计的。只是有点遗憾char是16位而不是32位。 - SyntaxT3rr0r

是的，我知道这个问题，并且它确实是一个问题。我不否认这一点。但至少我们有一个被广泛理解的“修复”（或者说是变通方法），而不是陷入整个“哦不！许多人无法使用ASCII编写他们的语言”的编码地狱中。UTF-16并不完美，但它是标准化和被广泛理解的。 - Joachim Sauer

Answer 2

如果您使用Java 5，请使用char c = ...; String s = String.format ("\\u%04x", (int)c);

如果您的源不是Unicode字符（char）而是字符串，则必须使用charAt（index）获取位置index处的Unicode字符。

不要使用codePointAt（index），因为它将返回24位值（完整的Unicode），这些值无法仅用4个十六进制数字（需要6个）表示。请参见文档以获得说明。

[编辑]为了清楚起见：此答案不是使用Unicode，而是Java用于表示Unicode字符的方法（即代理对），因为char是16位，而Unicode是24位。问题应该是：“如何将char转换为4位十六进制数”，因为它并不（真正地）与Unicode有关。

- Aaron Digulla

---

@Aaron Digulla：认为charAt（...）返回Unicode字符是一个常见的错误。它并不是这样的。只有当您的字符串由Unicode 3.0 / BMP字符组成时，charAt（...）才会返回Unicode字符。我不同意他不应该使用codePointAt。他应该使用codePointAt和一种能够编码BMP之外字符的方法。 - SyntaxT3rr0r

codePointAt可能更好，但是假设你真的需要它，那么找到正确的索引值会变得棘手。 - Thilo

@Aaron Digulla：问题在于，在调用codePointAt(...)时没有索引魔法。codePointAt(...)始终返回Unicode字符，即使它超出BMP。当调用charAt(...)时可能会遇到问题，因为如果在一个超出BMP的Unicode字符后调用charAt(...)，就无法保证你将读取到一个字符。但也许我误解了你的意思？如果我没记错的话，有些例子中包含了音符（这些是超出BMP的字符）的字符串。但也许我误解了你的问题？ - SyntaxT3rr0r

@WizardOfOdds：我猜这位提问的人会一直将一个完整的字符串转换，所以charAt()是安全的。但我明白你的意思：你可以循环遍历0到s.codePointCount(0,s.length())，并且为迭代器的每个值调用s.codePointAt()。 - Aaron Digulla

嗨，我是Saurabh（Ranu），请提供Hibernate全文搜索的详细信息和配置。 - saurabh

Answer 3

private static String toUnicode(char ch) {
    return String.format("\\u%04x", (int) ch);
}

- Yogesh Dubey

---

复制了三年前的现有答案。 - james.garriss

虽然最佳答案含糊不清，但这个答案给出了更清晰的解释。我的意思是，这个 ( "\\u" + Integer.toHexString('÷' | 0x10000).substring(1) ) 到底是什么鬼？ - Все Едно

"\u" + String.format("%04x", (int) c).toUpperCase() 的翻译内容为： - fl0w

Answer 4

char c = 'a';
String a = Integer.toHexString(c); // gives you---> a = "61"

- Deepak Sharma

Answer 5

我在网上找到了这段不错的代码。

import java.io.BufferedReader;
import java.io.IOException;
import java.io.InputStreamReader;

public class Unicode {

public static void main(String[] args) {
System.out.println("Use CTRL+C to quite to program.");

// Create the reader for reading in the text typed in the console. 
InputStreamReader inputStreamReader = new InputStreamReader(System.in);
BufferedReader bufferedReader = new BufferedReader(inputStreamReader);

try {
  String line = null;
  while ((line = bufferedReader.readLine()).length() > 0) {
    for (int index = 0; index < line.length(); index++) {

      // Convert the integer to a hexadecimal code.
      String hexCode = Integer.toHexString(line.codePointAt(index)).toUpperCase();


      // but the it must be a four number value.
      String hexCodeWithAllLeadingZeros = "0000" + hexCode;
      String hexCodeWithLeadingZeros = hexCodeWithAllLeadingZeros.substring(hexCodeWithAllLeadingZeros.length()-4);

      System.out.println("\\u" + hexCodeWithLeadingZeros);
    }

  }
} catch (IOException ioException) {
       ioException.printStackTrace();
  }
 }
}

原始文章

- Chathuranga Chandrasekara

---

谢谢。你给了我我所要求的东西。然而，当我尝试一些俄语字符时，它返回相同的Unicode值。我认为不同的字符应该有不同的Unicode值。我尝试了以下字符 -л, и, ц, т, я 返回 \u003F。 - Saurabh

我非常确定，对于超过0xFFFF的代码点，那段代码是不正确的。 - SyntaxT3rr0r

俄语字符应该在基本多语言平面上，即（0xFFFF以下）。 - Thilo

@Thilo：哦，我知道，我并不是在评论Saurabh的俄语示例。在发表评论之前，我使用了他的字符来尝试我的方法，它们可以正常工作。我只是想说，我相当确定那里的方法不能处理BMP之外的字符。 - SyntaxT3rr0r

惊人的是，为了解决一个简单的问题，某些人必须编写大量的代码。Aaron的解决方案只有40个字符长，而这里有1124个字符。 - jarnbjo

Answer 6

你是否对使用Unicode很挑剔？因为如果你编写程序使用“dec”值或（HTML-Code），那么你可以在char和int之间简单地进行数据类型转换，这在Java中更加简单。

char a = 98;
char b = 'b';
char c = (char) (b+0002);

System.out.println(a);
System.out.println((int)b);
System.out.println((int)c);
System.out.println(c);

输出以下内容

b
98
100
d

- Jordan Doerksen