Java中的Unicode到字符串转换答案

【问题标题】：Unicode to string conversion in JavaJava中的Unicode到字符串转换
【发布时间】：2010-12-28 10:28:22
【问题描述】：

我正在构建一种语言，一种玩具语言。语法 \#0061 应该将给定的 Unicode 转换为字符：

String temp = yytext().subtring(2);

然后尝试将'\u' 附加到字符串后，我注意到产生了错误。

我也试过"\\" + "u" + temp;这种方式不做任何转换。

我基本上是在尝试通过仅向方法提供 '0061' 来将 Unicode 转换为字符，帮助。

【问题讨论】：

请注意，16 位（4 个十六进制数字）不足以表示 Unicode 中的所有字符。在java中“\u1234”映射到UTF-16中的一个码位单元，它与一个字符不同。
附录：事实上它是映射到 UTF-16 代码点单元的 java 数据类型 char，而不是实际的 Unicode 字符。

标签： java unicode string

【解决方案1】：

\uXXXX 是一个转义序列。在执行之前，它已经被转换为实际的字符值，在运行时无论如何都不会“评估”。

您可能想要做的是定义从 #XXXX 语法到 Unicode 代码点的映射，并将它们转换为 char。

【讨论】：

【解决方案2】：

去掉“#”并使用Integer.parseInt("0061", 16) 将十六进制数字转换为int。然后转换为char。

（如果您手动实现了词法分析器，另一种方法是在您的词法分析器与 unicode 文字匹配时即时进行转换。但是在重新阅读问题时，我发现您正在使用词法分析器生成器......好动作！）

【讨论】：

只是好奇：您是如何发现他在使用词法分析器的？
@BalusC 因为 yytext，一个 lex 特定的变量

【解决方案3】：

您需要将特定代码点转换为char。您可以通过正则表达式的一点帮助来做到这一点：

String string = "blah #0061 blah";

Matcher matcher = Pattern.compile("\\#((?i)[0-9a-f]{4})").matcher(string);
while (matcher.find()) {
    int codepoint = Integer.valueOf(matcher.group(1), 16);
    string = string.replaceAll(matcher.group(0), String.valueOf((char) codepoint));
}

System.out.println(string); // blah a blah

编辑根据 cmets，如果它是单个令牌，那么只需：

String string = "0061";
char c = (char) Integer.parseInt(string, 16);
System.out.println(c); // a

【讨论】：

Erm ...您不想使用 Java 正则表达式模式匹配来实现词法分析器。
我需要您发布的第一个示例。我根据需要运行了使模式更改的代码，但是 ReplaceAll 不会替换任何内容。该字符串与原始字符串相同 :(
@Eric：按右上角的按钮，提出您想获得答案的问题。

【解决方案4】：

我基本上是在尝试转换通过提供 unicode 到一个字符只有 '0061' 到一个方法，帮助。

char fromUnicode(String codePoint) {
  return (char)  Integer.parseInt(codePoint, 16);
}

您需要处理错误的输入等，但否则会起作用。

【讨论】：