java - gui - jlabel definicion

Convierte cadenas internacionales a códigos / u en java

Question

¿Cómo puedo convertir un String internacional (por ejemplo, ruso) en números (números Unicode)?
por ejemplo, /u041e/u041a para OK ?

Answer 1

Apache commons StringEscapeUtils.escapeEcmaScript(String) devuelve una cadena con caracteres unicode escapados con la notación /u .

"Art of Beer 🎨 🍺" -> "Art of Beer /u1F3A8 /u1F37A"

Answer 2

Aquí hay una versión mejorada de la respuesta de ArtB :

 StringBuilder b = new StringBuilder();
for (char c : input.toCharArray()) {
if (c >= 128)
b.append("//u").append(String.format("%04X", (int) c));
else
b.append(c);
}
return b.toString();

Esta versión escapa a todos los caracteres no ASCII y funciona correctamente para puntos de código Unicode bajo como Ä .

Answer 3

En caso de que necesite esto para escribir un archivo .properties , puede simplemente agregar las cadenas en un objeto Propiedades y luego guardarlo en un archivo. Cuidará la conversión.

Answer 4

Hay tres partes en la respuesta

1. Obtén el Unicode para cada personaje
2. Determine si está en la página cirílica
3. Convertir a hexadecimal.

Para obtener cada personaje, puede iterar a través de la cadena utilizando los métodos charAt() o toCharArray() .

for( char c : s.toCharArray() )

El valor de la char es el valor Unicode.

Los caracteres cirílicos Unicode son cualquier carácter en los siguientes rangos:

Cyrillic: U+0400–U+04FF ( 1024 - 1279)
Cyrillic Supplement: U+0500–U+052F ( 1280 - 1327)
Cyrillic Extended-A: U+2DE0–U+2DFF (11744 - 11775)
Cyrillic Extended-B: U+A640–U+A69F (42560 - 42655)

Si está en este rango, es cirílico. Simplemente realice una verificación if. Si está en el rango, usa Integer.toHexString() y antepone el "//u" . Juntos deberían verse algo como esto:

final int[][] ranges = new int[][]{
{ 1024, 1279 },
{ 1280, 1327 },
{ 11744, 11775 },
{ 42560, 42655 },
};
StringBuilder b = new StringBuilder();
for( char c : s.toCharArray() ){
int[] insideRange = null;
for( int[] range : ranges ){
if( range[0] <= c && c <= range[1] ){
insideRange = range;
break;
}
}
if( insideRange != null ){
b.append( "//u" ).append( Integer.toHexString(c) );
}else{
b.append( c );
}
}
return b.toString();

Editar: probablemente debería hacer el control c < 128 e invertir los cuerpos if y else ; probablemente deberías escapar de todo lo que no sea ASCII. Probablemente fui demasiado literal al leer tu pregunta.

Answer 5

Hay una herramienta de línea de comandos que se envía con Java llamada native2ascii . Esto convierte archivos Unicode a archivos escapados de ASCII. Descubrí que este es un paso necesario para generar archivos .properties para la localización.

Answer 6

Probablemente puedas hackear si desde este código JavaScript:

/* convert 🙌 to /uD83D/uDE4C */
function text_to_unicode(string) {
''use strict'';
function is_whitespace(c) { return 9 === c || 10 === c || 13 === c || 32 === c; }
function left_pad(string) { return Array(4).concat(string).join(''0'').slice(-1 * Math.max(4, string.length)); }
string = string.split('''').map(function(c){ return "//u" + left_pad(c.charCodeAt(0).toString(16).toUpperCase()); }).join('''');
return string;
}
/* convert /uD83D/uDE4C to 🙌 */
function unicode_to_text(string) {
var prefix = "////u"
, regex = new RegExp(prefix + "([/da-f]{4})","ig")
;
string = string.replace(regex, function(match, backtrace1){
return String.fromCharCode( parseInt(backtrace1, 16) )
});
return string;
}

source: iCompile - Yet Another JavaScript Unicode Encode / Decode

Answer 7

Puede usar escapeJavaStyleString de org.apache.commons.lang.StringEscapeUtils .

Answer 8

Solo algunos métodos básicos para eso (inspirados en la herramienta native2ascii):

/**
* Encode a String like äöü to /u00e4/u00f6/u00fc
*
* @param text
* @return
*/
public String native2ascii(String text) {
if (text == null)
return text;
StringBuilder sb = new StringBuilder();
for (char ch : text.toCharArray()) {
sb.append(native2ascii(ch));
}
return sb.toString();
}
/**
* Encode a Character like ä to /u00e4
*
* @param ch
* @return
*/
public String native2ascii(char ch) {
if (ch > ''/u007f'') {
StringBuilder sb = new StringBuilder();
// write /udddd
sb.append("//u");
StringBuffer hex = new StringBuffer(Integer.toHexString(ch));
hex.reverse();
int length = 4 - hex.length();
for (int j = 0; j < length; j++) {
hex.append(''0'');
}
for (int j = 0; j < 4; j++) {
sb.append(hex.charAt(3 - j));
}
return sb.toString();
} else {
return Character.toString(ch);
}
}

Answer 9

Yo también tuve este problema. Tenía algunos textos en portugués con algunos caracteres especiales, pero estos personajes ya estaban en formato unicode (por ejemplo: /u00e3 ).

Entonces quiero convertir S/u00e3o en São .

Lo hice usando el Apache commons StringEscapeUtils . Como dijo @ sorin-sbarnea. Se puede descargar here

Usa el método unescapeJava , así:

String text = "S/u00e3o"
text = StringEscapeUtils.unescapeJava(text);
System.out.println("text " + text);

(También está el método escapeJava , pero este pone los caracteres Unicode en la cadena).

Si alguien conoce una solución en Java puro, por favor díganos.

Answer 10

hay una herramienta JDK ejecutada a través de la línea de comandos de la siguiente manera:

native2ascii -encoding utf8 src.txt output.txt

Ejemplo:

src.txt

بسم الله الرحمن الرحيم

salida.txt

/u0628/u0633/u0645 /u0627/u0644/u0644/u0647 /u0627/u0644/u0631/u062d/u0645/u0646 /u0627/u0644/u0631/u062d/u064a/u0645

Si desea usarlo en su aplicación Java, puede envolver esta línea de comando de la siguiente manera:

String pathSrc = "./tmp/src.txt";
String pathOut = "./tmp/output.txt";
String cmdLine = "native2ascii -encoding utf8 " + new File(pathSrc).getAbsolutePath() + " " + new File(pathOut).getAbsolutePath();
Runtime.getRuntime().exec(cmdLine);
System.out.println("THE END");

Luego lea el contenido del nuevo archivo.