Java的Unicode编码转化（多种景况处理方法）
Java的Unicode编码转化（多种情况处理方法）
Java转unicode转中文的情况使用的场景很多，是一个很常见的需求，按理来说，这样的功能应该被java集成起来，不过很遗憾，java提供的方法很烂，很多时候我们需要自己去写。
好在这个需求的源代码网上很多，在查资料的过程中，我找到啦好几种，下面我将我找到的资料分享和我自己实现的方法提供给大家；希望大家能有个参考；
1、java中使用的是unicode编码，所以如果我们得到的本身就是一个unicode编码，那么我们可以直接print出来的就是中文：
public static void main(String[] args){
String string= "\u9999\u714e\u9a6c\u9c9b\u9c7c\u7684\u535a\u5ba2";
System.out.println(string);
}
输出：
可是像上面那种情况在实际问题里是很少见的，在1例子中，”\”是转义字符，实际我们得到的unicode编码是这样的：
public static void main(String[] args){
String string= "\\u9999\\u714e\\u9a6c\\u9c9b\\u9c7c\\u7684\\u535a\\u5ba2";
System.out.println(string);
}
而这样得到的输出结果就变成了这样：
这样的结果肯定是我们不想要的，那么解决方法是什么呢：
方法一：这是在网上最常见的一种方法，直接将方法decodeUnicode放在类中就可以，方便，不过缺点就是代码量比较大，下面我们测试一下它的转义能力
|
测试项 |
例子 |
输出 |
正确结果 |
总结 |
|
基本能力 |
\u9999\u714e\u9c7c |
香煎鱼 |
香煎鱼 |
正确 |
|
中英文数字混合 |
1\u9999123\u714ehi\u9c7ca |
1香123煎hi鱼a |
1香123煎hi鱼a |
正确 |
|
中英文，特殊字符混合 |
\u9999\u\u714e\u9c7c |
（错误） |
香\u煎鱼 |
无法正常运行 |
|
\u9999\\u714e\u9c7c |
香\u714e鱼 |
香\煎鱼 |
转义有误 |
可见，方法一虽然能对中英混合进行识别，但对\和\u的识别仍然存在问题，我们可以给他打70分；
public static String decodeUnicode(String theString) {
char aChar;
int len = theString.length();
StringBuffer outBuffer = new StringBuffer(len);
for (int x = 0; x < len;) {
aChar = theString.charAt(x++);
if (aChar == '\\') {
aChar = theString.charAt(x++);
if (aChar == 'u') {
// Read the xxxx
int value = 0;
for (int i = 0; i < 4; i++) {
aChar = theString.charAt(x++);
switch (aChar) {
case '0':
case '1':
case '2':
case '3':
case '4':
case '5':
case '6':
case '7':
case '8':
case '9':
value = (value << 4) + aChar - '0';
break;
case 'a':
case 'b':
case 'c':
case 'd':
case 'e':
case 'f':
value = (value << 4) + 10 + aChar - 'a';
break;
case 'A':
case 'B':
case 'C':
case 'D':
case 'E':
case 'F':
value = (value << 4) + 10 + aChar - 'A';
break;
default:
throw new IllegalArgumentException(
"Malformed \\uxxxx encoding.");
}
}
outBuffer.append((char) value);
} else {
if (aChar == 't')
aChar = '\t';
else if (aChar == 'r')
aChar = '\r';
else if (aChar == 'n')
aChar = '\n';
else if (aChar == 'f')
aChar = '\f';
outBuffer.append(aChar);
}
} else
outBuffer.append(aChar);
}
return outBuffer.toString();
}
}
方法二：此种方法在网上也比较常见，代码量少，可读性强是它最大的优点，但是，它的转义能力……大家自己体会一下吧；
|
测试项 |
例子 |
输出 |
正确结果 |
总结 |
|
基本能力 |
\u9999\u714e\u9c7c |
香煎鱼 |
香煎鱼 |
正确 |
|
中英文数字混合 |
1\u9999123\u714ehi\u9c7ca |
（错误） |
1香123煎hi鱼a |
无法正常运行 |
|
中英文，特殊字符混合 |
\u9999\u\u714e\u9c7c |
（错误） |
香\u煎鱼 |
无法正常运行 |
|
\u9999\\u714e\u9c7c |
（错误） |
香\煎鱼 |
无法正常运行 |
它的转义能力决定它的实用性不强，但是鉴于它比较简单，所以还是有一定市场的，不过也请大家谨慎使用，根据我的测试，这种转码方式只对全中文有效
public static String ascii2native_orl(String ascii) {
int n = ascii.length() / 6;
StringBuilder sb = new StringBuilder(n);
for (int i = 0, j = 2; i < n; i++, j += 6) {
String code = ascii.substring(j, j + 4);
char ch = (char) Integer.parseInt(code, 16);
sb.append(ch);
}
return sb.toString();
}
方法三：既然方法二有问题，那么我们能不能对他进行一些改进，让它适应性更强呢，当然，如果方法二加上正则表达式，就有更强的功能了
|
测试项 |
例子 |
输出 |
正确结果 |
总结 |
|
基本能力 |
\u9999\u714e\u9c7c |
香煎鱼 |
香煎鱼 |
正确 |
|
中英文数字混合 |
1\u9999123\u714ehi\u9c7ca |
1香123煎hi鱼a |
1香123煎hi鱼a |
正确 |
|
中英文，特殊字符混合 |
\u9999\u\u714e\u9c7c |
香\u煎鱼 |
香\u煎鱼 |
正确 |
|
\u9999\\u714e\u9c7c |
香\煎鱼 |
香\煎鱼 |
正确 |
这种方法很好利用了正则表达式，代码可读性强，转义能力也很不错，强烈推荐
public static String ascii2native(String ascii) {
List<String> ascii_s = new ArrayList<String>();
String zhengz= "\\\\u[0-9,a-f,A-F]{4}";
Pattern p = Pattern.compile(zhengz);
Matcher m=p.matcher(ascii);
while (m.find()){
ascii_s.add(m.group());
}
for (int i = 0, j = 2; i < ascii_s.size(); i++) {
String code = ascii_s.get(i).substring(j, j + 4);
char ch = (char) Integer.parseInt(code, 16);
ascii = ascii.replace(ascii_s.get(i),String.valueOf(ch));
}
return ascii;
}
总结：其实，三种方法的基本思想都是一样的，但是最大的区别就是在怎么短句，短句的方法不同，解析能力也不同。
<!--EndFragment-->