如何获取 Unicode 字符的编码？

Question

假设我有这样一个代码：

char registered = '®';

或 umlaut，或任何 Unicode 字符。我如何获取它的代码？

- Geo

Answer 1

将其转换为int即可：

char registered = '®';
int code = (int) registered;

实际上，从char到int有一个隐式转换，所以你不必像我上面那样明确指定它，但在这种情况下，我建议这样做，以便清楚明了你的意图。

这将给出UTF-16代码单元 - 对于任何定义在基本多语言平面中的字符来说，它与Unicode代码点相同。(Java中只有BMP字符可以用char值表示)正如Andrzej Doyle的答案所说，如果要从任意字符串获取Unicode代码点，请使用Character.codePointAt()。

一旦获得了UTF-16代码单元或Unicode代码点(两者都是整数)，你可以自由选择怎么处理它们。如果你想要一个字符串表示，你需要决定你想要什么样的表示方式。(例如，如果你知道该值始终在BMP中，你可能希望使用固定的4位十六进制表示法，并在前面加上"U+"，例如空格的表示为"U+0020")但我们不知道需求，这已超出了这个问题的范围。

- Jon Skeet

---

可以翻译为：“在基本多语言平面上的任何字符都可以，但是Java中的单个字符无法表示U+FFFF以上的字符。不过，在实际定义中，一个字符被定义为UTF-16编码点。” - Jon Skeet

它适用于所有表示Unicode字符的char，编码在U+FFFF以下，但并非所有Unicode字符都适用，因为char无法表示所有Unicode字符。根据您使用的char源，您可能需要进行更复杂的操作（并且确实应该为此做好准备）。 - JaakkoK

要将其转换为十六进制，请使用Integer#toHexString()。 - BalusC

如果它在基本多语言平面之外怎么办？ - fzzfzzfzz

@fzzfzzfzz：那么你就不需要将它作为单个char开始，而是可以使用char.Convert.ToUtf32。 - Jon Skeet

Answer 2

一种更完整但冗长的方法是使用Character.codePointAt方法。该方法可以处理“高代理项”字符，这些字符不能由单个整数表示，而是需要多个char表示。

在您提供的示例中，这并非必需 - 如果(Unicode)字符可以容纳在单个(Java)char中(例如registered局部变量)，那么它必须落在\u0000到\uffff范围内，您就不需要担心代理对了。但如果您正在查看来自String/char数组的可能更高代码点，则调用此方法是明智的，以便涵盖边缘情况。

例如，不要使用以下方式：

String input = ...;
char fifthChar = input.charAt(4);
int codePoint = (int)fifthChar;

使用

String input = ...;
int codePoint = Character.codePointAt(input, 4);

这不仅在此情况下减少了一些代码，而且它会为您处理代理对的检测。

- Andrzej Doyle

---

另外，在String类中也有相同的方法，String#codePointAt。 - mosov.a

Answer 3

在Java中，char本质上是一个"16位整数"，所以您可以将其直接强制转换为int类型，这样就可以得到它的代码。

引用自Oracle：

char数据类型是单个16位Unicode字符。 它的最小值为'\u0000'（或0），最大值为'\uffff'（或65,535，包括）。

因此您可以将其直接转换为int类型。

char registered = '®';
System.out.println(String.format("This is an int-code: %d", (int) registered));
System.out.println(String.format("And this is an hexa code: %x", (int) registered));

- Felype

---

它甚至可以处理欧元符号 String.format("%x", (int) '€') == 0x20ac == '\u20ac'。 - ATorras

Answer 4

有一个开源库MgntUtils，其中有一个实用类StringUnicodeEncoderDecoder。该类提供了将任何字符串转换为Unicode序列的静态方法，非常简单和有用。要转换字符串，只需执行以下操作：

String codes = StringUnicodeEncoderDecoder.encodeStringToUnicodeSequence(myString);

例如，一个字符串"Hello World"将被转换为"\u0048\u0065\u006c\u006c\u006f\u0020\u0057\u006f\u0072\u006c\u0064"。它适用于任何语言。这是一篇文章的链接，讲解了库的所有细节: MgntUtils。查找子标题"String Unicode converter"。该库可以作为Maven artifact获取，也可以从Github获取（包括源代码和Javadoc）。

- Michael Gantman

Answer 5

对我而言，只有"Integer.toHexString(registered)"才按照我期望的方式起作用：

char registered = '®';
System.out.println("Answer:"+Integer.toHexString(registered));

这个答案只会给你通常在表格中呈现的字符串表示。Jon Skeet的回答解释得更多。

- Darius Miliauskas

---

正如我回答中的评论所指出的那样，这是因为“你想要的方式”是生成代码的十六进制表示形式 - 这不是这个问题所要求的。代码本身是一个整数；“如何创建整数的十六进制表示形式”是另一回事。（对于Unicode代码点，您还应考虑要使用多少个十六进制数字 - 您可能希望对BMP字符使用4个数字，对其他字符使用6个数字，或始终使用6个数字或始终使用偶数数字，例如...） - Jon Skeet

这表明了你所写的观点。是什么让你认为代码本质上是整数呢？对我而言，代码是符号的组合，不一定是数字或整数。你的回答非常有用，但最终我花了半个小时才找到如何获取我理解的代码，也许这会节省其他用户一些免费时间。 - Darius Miliauskas

这就是Unicode的定义。来自http://www.unicode.org/standard/principles.html：“Unicode标准为每个代码元素分配一个单独的数字。这些数字中的每一个都称为代码点，并在文本中引用时以十六进制形式列出，使用前缀“U+”。例如，代码点U+0041是十六进制数0041（等于十进制数65）。它代表了Unicode标准中的字符“A”。”我编辑了我的答案，以明确回答“字符'X'的代码是什么”问题的答案是一个数字，而不是一个字符串。 - Jon Skeet

Answer 6

亲爱的朋友，Jon Skeet说你可以找到字符的十进制代码，但它不是Unicode中应该提到的字符十六进制代码，因此你应该通过HexCode来表示字符代码，而不是十进制。

有一个开源工具http://unicode.codeplex.com提供有关字符或句子的完整信息。

因此最好创建一个解析器，将字符作为参数并返回一个十六进制代码字符串。

public static String GetHexCode(char character)
    {
        return String.format("{0:X4}", GetDecimal(character));
    }//end

希望它有所帮助

- Nasser Hadjloo

---

因此，您应该使用十六进制代码表示字符代码，而不是十进制。只有在将其转换为字符串时，才涉及到十六进制与十进制的区别，在问题中根本没有这样的要求。 - Jon Skeet

你认为发布一个C#链接并附上一些C#代码，能够帮助解决Java问题吗？ - Ferrybig

Answer 7

//以下是获取Unicode的方法

int a = 'a'; // 'a'代表你想要获取其Unicode的字母或符号

//以下是通过Unicode获取字母或符号的方法

System.out.println("\u0123"); //123是你想要转换的Unicode

- Yokubboy Yokubov