如何将 unicode 代码点转换为它们的字符表示？

Question

如何将表示代码点的字符串转换为适当的字符？

例如，我想要一个获取U+00E4 并返回ä 的函数。

我知道在字符类中我有一个函数toChars(int codePoint)，它接受一个整数，但没有一个函数接受这种类型的字符串。

是否有内置函数，或者我必须对字符串进行一些转换以获得可以发送给函数的整数？

Answer 1

代码点写成以U+为前缀的十六进制数字

所以，你可以这样做

int codepoint=Integer.parseInt(yourString.substring(2),16);
char[] ch=Character.toChars(codepoint);

Answer 2

拨打this constructorString。

"\u00E4"

new String(new int[] { 0x00E4 }, 0, 1);

Answer 3

从 Kotlin 转换而来：

    public String codepointToString(int cp) {
        StringBuilder sb = new StringBuilder();
        if (Character.isBmpCodePoint(cp)) {
            sb.append((char) cp);
        } else if (Character.isValidCodePoint(cp)) {
            sb.append(Character.highSurrogate(cp));
            sb.append(Character.lowSurrogate(cp));
        } else {
            sb.append('?');
        }
        return sb.toString();
    }

Answer 4

问题要求一个函数来转换表示 Unicode 代码点的字符串值（即"+Unnnn"，而不是"\unnnn" 或"0xnnnn 的Java 格式）。但是，较新版本的 Java 具有简化处理包含多个 Unicode 格式代码点的字符串的增强功能：

• Java 8 中引入 Streams。
• 方法public static String toString​(int codePoint)被添加到Java 11中的Character类。它返回String而不是char[]，所以Character.toString(0x00E4)返回"ä"。

这些增强功能允许采用不同的方法来解决 OP 中提出的问题。此方法在单个语句中将一组 Unicode 格式的代码点转换为可读的String：

void processUnicode() {

    // Create a test string containing "Hello World ?" with code points in Unicode format.
    // Include an invalid code point (+U0wxyz), and a code point outside the Unicode range (+U70FFFF).
    String data = "+U0048+U0065+U006c+U006c+U0wxyz+U006f+U0020+U0057+U70FFFF+U006f+U0072+U006c+U0000064+U20+U1f601";

    String text = Arrays.stream(data.split("\\+U"))
            .filter(s -> ! s.isEmpty()) // First element returned by split() is a zero length string.
            .map(s -> {
                try {
                    return Integer.parseInt(s, 16);
                } catch (NumberFormatException e) { 
                    System.out.println("Ignoring element [" + s + "]: NumberFormatException from parseInt(\"" + s + "\"}");
                }
                return null; // If the code point is not represented as a valid hex String.
            })
            .filter(v -> v != null) // Ignore syntactically invalid code points.
            .filter(i -> Character.isValidCodePoint(i)) // Ignore code points outside of Unicode range.
            .map(i -> Character.toString(i)) // Obtain the string value directly from the code point. (Requires JDK >= 11 )
            .collect(Collectors.joining());

    System.out.println(text); // Prints "Hello World ?"
}

这是输出：

run:
Ignoring element [0wxyz]: NumberFormatException from parseInt("0wxyz"}
Hello World ?
BUILD SUCCESSFUL (total time: 0 seconds)

注意事项：

• 使用这种方法，不再需要特定函数来转换 Unicode 格式的代码点。相反，这是通过Stream 处理中的多个中间操作分散的。当然，同样的代码仍可用于处理 Unicode 格式的单个代码点。
• 很容易添加中间操作对Stream进行进一步的验证和处理，例如大小写转换、移除表情等。

Answer 5

这个例子没有使用 char[]。

// this code is Kotlin, but you can write same thing in Java
val sb = StringBuilder()
val cp :Int // codepoint
when {
    Character.isBmpCodePoint(cp) -> sb.append(cp.toChar())
    Character.isValidCodePoint(cp) -> {
        sb.append(Character.highSurrogate(cp))
        sb.append(Character.lowSurrogate(cp))
    }
    else -> sb.append('?')
}

Answer 6

从 Java 11 开始，您可以：

jshell> Character.toString(Integer.parseInt("U+00E4".substring(2), 16))
$1 ==> "ä"

Answer 7

你可以打印出来

s='\u0645\u0635\u0631\u064a'
print(s)

Answer 8

到目前为止，我发现的最简单的方法就是转换代码点；如果您只是希望每个代码点有一个字符，那么这对您来说可能没问题。：

int codepoint = ...;
char c = (char)codepoint;