`
张国锋
  • 浏览: 58759 次
  • 性别: Icon_minigender_1
  • 来自: 山东青岛
社区版块
存档分类
最新评论

中文转unicode编码

    博客分类:
  • Java
 
阅读更多

/**
 * CharacterSetToolkit.java
 *
 * Created on 2007年5月17日, 上午11:04
 *
 * To change this template, choose Tools | Template Manager
 * and open the template in the editor.
 */

package mobi.chenwei.util;

/**
 * 进行字符操作的工具类。
 * @author ChenWei
 * @website www.chenwei.mobi
 * @email chenweionline@hotmail.com
 */
public class CharacterSetToolkit {
    
    /** Creates a new instance of CharacterSetToolkit */
    public CharacterSetToolkit() {
    }
    
    private static final char[] hexDigit = {
        '0','1','2','3','4','5','6','7','8','9','A','B','C','D','E','F'
    };
    
    private static char toHex(int nibble) {
        return hexDigit[(nibble & 0xF)];
    }
    
    /**
     * 将字符串编码成 Unicode 。
     * @param theString 待转换成Unicode编码的字符串。
     * @param escapeSpace 是否忽略空格。
     * @return 返回转换后Unicode编码的字符串。
     */
    public static String toUnicode(String theString, boolean escapeSpace) {
        int len = theString.length();
        int bufLen = len * 2;
        if (bufLen < 0) {
            bufLen = Integer.MAX_VALUE;
        }
        StringBuffer outBuffer = new StringBuffer(bufLen);
        
        for(int x=0; x<len; x++) {
            char aChar = theString.charAt(x);
            // Handle common case first, selecting largest block that
            // avoids the specials below
            if ((aChar > 61) && (aChar < 127)) {
                if (aChar == '\\') {
                    outBuffer.append('\\'); outBuffer.append('\\');
                    continue;
                }
                outBuffer.append(aChar);
                continue;
            }
            switch(aChar) {
                case ' ':
                    if (x == 0 || escapeSpace)
                        outBuffer.append('\\');
                    outBuffer.append(' ');
                    break;
                case '\t':outBuffer.append('\\'); outBuffer.append('t');
                break;
                case '\n':outBuffer.append('\\'); outBuffer.append('n');
                break;
                case '\r':outBuffer.append('\\'); outBuffer.append('r');
                break;
                case '\f':outBuffer.append('\\'); outBuffer.append('f');
                break;
                case '=': // Fall through
                case ':': // Fall through
                case '#': // Fall through
                case '!':
                    outBuffer.append('\\'); outBuffer.append(aChar);
                    break;
                default:
                    if ((aChar < 0x0020) || (aChar > 0x007e)) {
                        outBuffer.append('\\');
                        outBuffer.append('u');
                        outBuffer.append(toHex((aChar >> 12) & 0xF));
                        outBuffer.append(toHex((aChar >>  8) & 0xF));
                        outBuffer.append(toHex((aChar >>  4) & 0xF));
                        outBuffer.append(toHex( aChar        & 0xF));
                    } else {
                        outBuffer.append(aChar);
                    }
            }
        }
        return outBuffer.toString();
    }
    
    /**
     * 从 Unicode 码转换成编码前的特殊字符串。
     * @param in Unicode编码的字符数组。
     * @param off 转换的起始偏移量。
     * @param len 转换的字符长度。
     * @param convtBuf 转换的缓存字符数组。
     * @return 完成转换,返回编码前的特殊字符串。
     */
    public String fromUnicode(char[] in, int off, int len, char[] convtBuf) {
        if (convtBuf.length < len) {
            int newLen = len * 2;
            if (newLen < 0) {
                newLen = Integer.MAX_VALUE;
            }
            convtBuf = new char[newLen];
        }
        char aChar;
        char[] out = convtBuf;
        int outLen = 0;
        int end = off + len;
        
        while (off < end) {
            aChar = in[off++];
            if (aChar == '\\') {
                aChar = in[off++];
                if (aChar == 'u') {
                    // Read the xxxx
                    int value = 0;
                    for (int i = 0; i < 4; i++) {
                        aChar = in[off++];
                        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.");
                        }
                    }
                    out[outLen++] = (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';
                    }
                    out[outLen++] = aChar;
                }
            } else {
                out[outLen++] = (char) aChar;
            }
        }
        return new String(out, 0, outLen);
    }
}
 
分享到:
评论

相关推荐

    Unicode码转中文和中文转Unicode码的最简便的方法

    中文转Unicode码和Unicode码转中文的过程在Java环境下可以通过`native2ascii`工具轻松实现,这个工具是Java开发工具包(JDK)的一部分。 **中文转Unicode码**: 1. 首先,你需要确保已经安装了Java JDK。JDK包含了...

    汉字转Unicode编码工具

    汉字转Unicode编码工具是一款实用的软件,主要用于将汉字转换成其对应的Unicode编码。Unicode是一种国际标准,旨在统一全球各种字符的编码方式,包括了世界上几乎所有的文字系统,从拉丁字母到汉字,再到阿拉伯文和...

    汉字转 Unicode 码软件

    汉字转 Unicode 码是计算机处理汉字时的一种常见技术。Unicode 是一种全球统一的字符编码标准,它为世界上几乎所有的字符,包括汉字,都分配了一个唯一的数字编号,使得不同语言的文字能在同一系统中得以正确显示和...

    汉字转unicode码的小工具

    这个“汉字转unicode码的小工具”正是为了帮助用户方便地将汉字转换成对应的Unicode编码。 Unicode编码体系基于码点,每个码点代表一个字符。它使用16位二进制数(在UTF-16编码中)来表示大多数常用汉字,这样可以...

    汉字转unicode码(vc写的相当好的一个程序)

    《汉字转Unicode码:VC实现与深入理解》 在计算机科学领域,字符编码是一个至关重要的概念,尤其是在处理多语言环境时。Unicode作为一个国际标准,旨在为全球所有字符提供唯一的数字表示,使得各种语言的文字能够在...

    VB6.0 Unicode码 汉字 互转,支持混合互转.zip

    2. **解码(Unicode码转汉字)**: 要将Unicode码转换回汉字,我们可以使用`ChrW()`函数的逆过程——`AscW()`函数。`AscW()`函数接受一个字符,返回其Unicode码值。如果这个字符是汉字,我们可以再用`ChrW()`将其...

    汉字转unicode码 VS2010

    本项目“汉字转unicode码 VS2010”是利用Microsoft Visual Studio 2010(简称VS2010)进行开发的一个应用程序,主要功能是将汉字转换成Unicode编码,该编码可以以十进制或十六进制的形式展现。 Unicode编码是基于...

    java 中文Unicode转换

    将中文字符转换为Unicode编码,可以使用`Character`类的`toChars()`方法,或者直接通过字符串的`codePointAt()`方法获取码点,然后以"\u"开头的十六进制格式表示。例如: ```java String chineseStr = "你好"; for ...

    Unicode编码转GBK编码(汉字转GBK)

    在网上找资料很少有汉字直接转GBK编码格式,一般都是汉字转Unicode编码,这套是将汉字先转换成Unicode编码,在通过参照表得出汉字的GBK编码数据。虽然是一个js文件,但是加以修改可以用于很多平台上如:小程序,...

    excel 公式 自动转换unicode编码为汉字

    excel 公式 自动转换unicode编码为汉字

    中文汉字转unicode工具

    压缩包中的“中文汉字转unicode工具”很可能是这样一个实用的应用程序,提供了便捷的方式来处理和转换中文汉字到 Unicode 码点。使用这样的工具,无论是开发者还是普通用户,都能够更方便地理解和操作汉字在数字世界...

    汉字转Unicode

    总之,汉字转Unicode的工具是实现跨平台、跨语言信息交流的重要辅助手段,它利用Unicode编码的特性,帮助我们解决了中文字符在计算机中的表示和处理问题。通过这个工具,我们可以方便地获取到汉字的Unicode码点,...

    汉字与unicode编码(十六进制)对照表

    在这个“汉字与unicode编码(十六进制)对照表”中,我们可以找到汉字与其对应的Unicode编码,这对于编程、文本处理以及国际化和本地化工作来说具有重要的参考价值。 Unicode编码系统包括多个平面,其中基本多文种...

    中英文与Unicode码互转

    《中英文与Unicode码互转》是一款非常实用的工具,主要功能是帮助用户将中文和英文字符转换成Unicode编码,反之亦然。Unicode是一种全球通用的字符编码标准,旨在为世界上所有的文字提供一个统一的表示方式,使得...

    最全的常用汉字Unicode码表

    本文提供的“最全的常用汉字Unicode码表”是一份详尽的资源,涵盖了日常使用频率较高的汉字及其对应的Unicode编码。例如,“的”这个字,在Unicode中的编码是`\u7684`,“一”的编码是`\u4e00`,以此类推。通过这些...

    通用规范汉字UNICODE码表

    标题“通用规范汉字UNICODE码表”表明本文件内容涉及了UNICODE编码体系中的通用规范汉字部分。Unicode是一个全球性的字符编码标准,它为世界上绝大部分的文字系统提供了唯一编号。UNICODE码表在计算机领域内具有...

    delphi2009 Unicode转汉字,汉字转Unicode源码

    请注意,GB2312是一种较老的汉字编码,如果你需要转换到GBK或简体中文的其他编码,只需将`CodePage`参数改为相应值即可。 反过来,将汉字转换为Unicode,我们可以使用`MultiByteToWideChar`函数: ```delphi ...

    TXT电子书批量转换中文Unicode编码

    它是一个高效、便捷的解决方案,帮助用户将TXT格式的电子书从非Unicode编码转换为Unicode编码,确保在各种设备上都能正确显示中文字符。 Unicode是一种国际标准,包含了世界上几乎所有的字符集,包括中文字符。它的...

    中文转化为unicode格式的方法类

    在编程领域,Unicode 是一种字符编码标准,它旨在表示世界上所有语言的文字,包括中文。Unicode 编码使得跨平台和跨语言的文本处理变得更加简单。本文将深入探讨如何将中文字符转换为 Unicode 格式,并介绍一个名为 ...

Global site tag (gtag.js) - Google Analytics