如何使用Java规范化器将Unicode中预先构建的字符串转换为英文读文本
我试图用Java来读取一个文件，扫描Unicode作为一个转义序列，转换成英文可读的，然后把替换写到文件上。举个例子，我制作了一个类似的脚本。如果输入是字符串，则规范化器可以工作，但如果我通过数组或从stringBuilder构建字符串，则输出实际上就是没有任何规范化的字符串。我如何使用stringBuilder来使用Java的规范化器？
例：
import java.io.BufferedReader;
import java.io.BufferedWriter;
import java.io.FileReader;
import java.io.FileWriter;
import java.text.Normalizer;
import java.util.regex.Pattern;
public class Main {
public static void main(String[] args) {
String broke = "";
String[] testArr = {"\\","u","0","0","e","0"};
for(int i = 0; i < 6; i++) {
broke+=testArr[i];
}
String works = "\u00e0";
System.out.println("broke: " + broke);
System.out.println("works: " + works);
String temp = Normalizer.normalize(works, Normalizer.Form.NFD);
System.out.println("temp:" + temp);
Pattern pattern = Pattern.compile("\\p{InCombiningDiacriticalMarks}+");
String fixedUnicode = pattern.matcher(temp).replaceAll("");
System.out.println("fixedUnicode: " + fixedUnicode);
}
}我注意到Java自动将syso中的(String = "\u00e0“)转换为适当的unicode，但是使用syso时，一个类似于”\u00e0“但使用stringBuilder或数组构建的字符串显示("\u00e0")。
回答 2
Stack Overflow用户
发布于 2022-11-21 23:21:27
正如Bourque所说，规范器与Java转义无关。不要试图用它来做这件事；它根本不能做你想做的事情。
首先，让我们澄清一些事情。写这篇文章：
String s = "\u00e0";与编写以下内容的完全相同：
String s = "à";编译器(而不是Java运行时)将解释任何\u转义序列，就好像它是实际的代码点一样。无论使用哪种方法写入字符串值，字符串中都不存在\或u。完全没有。
但是，如果由于某种原因，您的输入错误地添加了一个文字反斜杠字符，后面跟着一个u，后面跟着四个十六进制数字：
// This is NOT a Unicode escape. It is a six-character string.
String s = "\\u00e0";您可以使用正则表达式匹配器替换每个这样的序列。
Matcher hexMatcher = Pattern.compile("\\\\u(\\p{XDigit}{4})").matcher(s);
String fixed = hexMatcher.replaceAll(
r -> String.format("%c", Integer.valueOf(r.group(1), 16)));Stack Overflow用户
发布于 2022-11-25 20:58:30
在VGR的面包屑之后，我找到了这个。在生产过程中，我从JSON文件中读取字符串，将"\u####“的每个实例转换为英文字母。我们使用的自动软件，包括Unicode转义字符或重音字母。我逐行扫描文档，如果找到"\u“，将创建一个新字符串，其中包含以下四个字符，创建一个十六进制数字。
例：
String hex = "####";
int decimal = Integer.parseInt(hex,16);
char myChar = (char) decimal;
String charConvert = myChar + "";
String tempie = Normalizer.normalize(charConvert, Normalizer.Form.NFD);
Pattern pattern = Pattern.compile("\\p{InCombiningDiacriticalMarks}+");
String fixedUnicode = pattern.matcher(tempie).replaceAll("");然后，我将删除行中的索引，其中包含通过index+6找到的"\u“的索引值，然后插入fixedUnicode字符串walah。
https://stackoverflow.com/questions/74524402
复制相似问题
腾讯云开发者
