如何在Java中使用Scanner正确读取中文字符？

Question

编程语言：Java 任务：设计一个哈希函数，将中文字符串映射为数字 问题：正确读取和显示中文字符

这是一个作业问题，但我不是在问如何解决它，而是在实现中文字符的读取时遇到了困难。

我的任务简要描述如下：设计一个哈希函数，将（中国）学生姓名映射到他们的学生ID、性别、电话等其他卫星数据。

虽然我仍在思考，但就像其他语言一样，我需要使用字符编码来通过哈希函数得出一个唯一的值。如果我没有弄错的话。

以下是我用来测试这个想法有效性的内容：

// test whether console can read chinese characters
Scanner s = new Scanner(System.in);

System.out.print("Please enter a Chinese character: ");
int chi = (int)s.next().toCharArray()[0];

System.out.println("\nThe string entered is " + chi);

如果我使用简单的System.out.println("character")语句，则会显示正确的字符。

但如上所述，如果我使用Scanner来读取输入，我尝试将String转换为char数组，然后转换为其int unicode等效项，但它会产生一个荒谬的数字，并且我无法正确地显示它。

我意识到我可以使用这个错误的值来设计哈希函数，但是为了不产生可能的冲突（我不知道这些是否会产生唯一的错误值），并且为了学习的缘故，您能指出如何统一处理不同机器上的中文字符输入吗？

非常感谢您的想法。 :D

Baggio.

- blazonix

---

这是一个作业问题，但我不是在问如何做它，我预测你会走得很远，并在旅途中获得许多盟友。 :) - Andrew Thompson

为什么你不能直接使用名称的 String 的哈希码？为什么要把 char 强制转换成 int 来搞这些事情？ - artbristol

@artbristol 我还没有想过那个...会试一下 - 谢谢！ - blazonix

Answer 1

当你创建一个Scanner时，你可以告诉它使用哪种字符编码。 这里是文档。

- Philipp

---

谢谢 - 我之前不知道这个 - 我会去查一下。 - blazonix

当我尝试阅读日语字符时，这对我不起作用。 - Abi

@Abi：有几种不兼容的字符编码常用于日语字符，例如Unicode、Shift-JIS、EUC-JP或ISO-2022-JP。确保您选择正确的编码以匹配您的字符。 - Philipp

Answer 2

当您使用非基本ASCII字符时，需要考虑使用的字符集。最常见的是UTF-8，但也可以使用其他字符集。

需要记住的一件事是，非ASCII字符的大小可能超过1个字节。中文字就属于这种情况。

处理多字节字符时，您需要以代码点为单位思考（即表示UTF-8字符的整数），而不是单个字节字符。

较新版本的Java允许您使用代码点迭代字符串。请查看Java API for String。

- Jin Kim

---

将字符串转换为字符数组是可行的，但将其转换为字节数组则不行。 - artbristol

确实，如果我对你所说的理解正确的话，那很奇怪——每个我使用Scanner读取的中文字符，打印出来的int等价物都是三个int的序列——可能就是你提到的码点。我会记住这一点的，谢谢！ - blazonix

Answer 3

你想得太多了。每个 String 已经（在概念上）是一个包含中文字符的字符序列。编码只有在需要将其转换为字节时才会涉及，而对于你的任务来说，你不需要这样做。只需使用 String 的哈希码即可。实际上，当你创建一个 HashMap<String,YourObject> 时，背后发生的就是这种情况。

- artbristol

---

我还没有详细了解过Map类及其使用方法，但这是一个有用的指针，我稍后会查看它。是的，我可能把它搞得太复杂了，感谢你指出来！ - blazonix