私はエスケープされた文字列持ちのUnicode文字を、\uXXXXと私は定期的にUnicodeの文字に変換します。例えば：
"\u0048\u0065\u006C\u006C\u006F World"
になるはずです
"Hello World"
最初の文字列を印刷すると、すでにが表示されていることを知っていますHello world。私の問題は、ファイルからファイル名を読み取り、それらを検索することです。ファイル内のファイル名はUnicodeエンコーディングでエスケープされており、ファイルを検索すると、名前に含まれるファイルが検索されるため、ファイルが見つかりません\uXXXX。
\u0048 は H-それらは同じものです。Javaの文字列はUnicodeです。
a、b、$、£整数に、など）。たとえば、記号にAは番号65が付けられ、\n10です。これは、文字列や文字がディスクやテキストファイルでどのように表現されるかとは関係ありません。UTF-8は、これらの整数（つまりシンボル）をバイト（ビット文字列）として表す方法の仕様（つまりエンコード）であるため、ファイルなどから明確に読み書きできます。
回答:
技術的に：
String myString = "\u0048\u0065\u006C\u006C\u006F World";
自動的にに変換される"Hello World"ので、あるファイルから文字列を読み込んでいると思います。それを「Hello」に変換するには、テキストを個別のUnicode桁に解析する必要があります（を取得して取得する\uXXXXだけですXXXX）。次にInteger.ParseInt(XXXX, 16)、16進値を取得し、それを大文字と小文字を区別してchar実際の文字を取得します。
編集：これを達成するためのいくつかのコード：
String str = myString.split(" ")[0];
str = str.replace("\\","");
String[] arr = str.split("u");
String text = "";
for(int i = 1; i < arr.length; i++){
int hexVal = Integer.parseInt(arr[i], 16);
text += (char)hexVal;
}
// Text will now have Hello
Apacheのコモンズラング StringEscapeUtils.unescapeJava（）はそれを正しくデコードすることができます。
import org.apache.commons.lang.StringEscapeUtils;
@Test
public void testUnescapeJava() {
String sJava="\\u0048\\u0065\\u006C\\u006C\\u006F";
System.out.println("StringEscapeUtils.unescapeJava(sJava):\n" + StringEscapeUtils.unescapeJava(sJava));
}
output:
StringEscapeUtils.unescapeJava(sJava):
Hello
Apache Commons LangStringEscapeUtilsから使用できます。つまり、次のようになります。
String Title = StringEscapeUtils.unescapeJava("\\u0048\\u0065\\u006C\\u006C\\u006F");
この単純な方法はほとんどの場合に機能しますが、文字列「\ u0048」にデコードする必要がある「u005Cu005C」のようなものにつまずきますが、最初のパスが作業文字列として「\ u0048」を生成するため、実際には「H」をデコードします。その後、whileループによって再度処理されます。
static final String decode(final String in)
{
String working = in;
int index;
index = working.indexOf("\\u");
while(index > -1)
{
int length = working.length();
if(index > (length-6))break;
int numStart = index + 2;
int numFinish = numStart + 4;
String substring = working.substring(numStart, numFinish);
int number = Integer.parseInt(substring,16);
String stringStart = working.substring(0, index);
String stringEnd = working.substring(numFinish);
working = stringStart + ((char)number) + stringEnd;
index = working.indexOf("\\u");
}
return working;
}
短いバージョン：
public static String unescapeJava(String escaped) {
if(escaped.indexOf("\\u")==-1)
return escaped;
String processed="";
int position=escaped.indexOf("\\u");
while(position!=-1) {
if(position!=0)
processed+=escaped.substring(0,position);
String token=escaped.substring(position+2,position+6);
escaped=escaped.substring(position+6);
processed+=(char)Integer.parseInt(token,16);
position=escaped.indexOf("\\u");
}
processed+=escaped;
return processed;
}
org.apache.commons.lang3ライブラリのStringEscapeUtilsは、3.6で非推奨になりました。
したがって、代わりに新しいcommons-textライブラリを使用できます。
compile 'org.apache.commons:commons-text:1.9'
OR
<dependency>
<groupId>org.apache.commons</groupId>
<artifactId>commons-text</artifactId>
<version>1.9</version>
</dependency>
コード例：
org.apache.commons.text.StringEscapeUtils.unescapeJava(escapedString);
あなたの質問からは完全には明らかではありませんが、ファイルの各行がファイル名であるファイルがあると言っていると思います。そして、各ファイル名は次のようなものです。
\u0048\u0065\u006C\u006C\u006F
言い換えれば、ファイル名のファイル内の文字は\、u、0、0、4、8とになります。
もしそうなら、あなたが見ているものは期待されています。Javaは\uXXXX、ソースコード内の文字列リテラルのシーケンスのみを変換します（および格納されたPropertiesオブジェクトを読み取る場合）。あなたはファイルの内容を読んだとき、あなたは文字からなる文字列を持っています\、u、0、0、4、8などといない文字列Hello。
したがって、その文字列を解析して、、などの部分を抽出し0048、0065それらをcharsに変換して、それらから文字列を作成し、charその文字列をファイルを開くルーチンに渡す必要があります。
Apache Commons Langの使用を提案する回答に関する更新： StringEscapeUtils.unescapeJava（） -非推奨になりました、
非推奨。 3.6以降、代わりにcommons-textStringEscapeUtilsを使用します
置き換えは、Apache Commons TextのStringEscapeUtils.unescapeJava（）です。
正規表現を使用して、私のバージョンを提供したかっただけです。
private static final String UNICODE_REGEX = "\\\\u([0-9a-f]{4})";
private static final Pattern UNICODE_PATTERN = Pattern.compile(UNICODE_REGEX);
...
String message = "\u0048\u0065\u006C\u006C\u006F World";
Matcher matcher = UNICODE_PATTERN.matcher(message);
StringBuffer decodedMessage = new StringBuffer();
while (matcher.find()) {
matcher.appendReplacement(
decodedMessage, String.valueOf((char) Integer.parseInt(matcher.group(1), 16)));
}
matcher.appendTail(decodedMessage);
System.out.println(decodedMessage.toString());
JsonObjectを使用して私が知っている簡単な方法の1つ：
try {
JSONObject json = new JSONObject();
json.put("string", myString);
String converted = json.getString("string");
} catch (JSONException e) {
e.printStackTrace();
}
これが私の解決策です...
String decodedName = JwtJson.substring(startOfName, endOfName);
StringBuilder builtName = new StringBuilder();
int i = 0;
while ( i < decodedName.length() )
{
if ( decodedName.substring(i).startsWith("\\u"))
{
i=i+2;
builtName.append(Character.toChars(Integer.parseInt(decodedName.substring(i,i+4), 16)));
i=i+4;
}
else
{
builtName.append(decodedName.charAt(i));
i = i+1;
}
};
パフォーマンスが高く、エラーが発生しないソリューションを作成しました。
public static final String decode(final String in) {
int p1 = in.indexOf("\\u");
if (p1 < 0)
return in;
StringBuilder sb = new StringBuilder();
while (true) {
int p2 = p1 + 6;
if (p2 > in.length()) {
sb.append(in.subSequence(p1, in.length()));
break;
}
try {
int c = Integer.parseInt(in.substring(p1 + 2, p1 + 6), 16);
sb.append((char) c);
p1 += 6;
} catch (Exception e) {
sb.append(in.subSequence(p1, p1 + 2));
p1 += 2;
}
int p0 = in.indexOf("\\u", p1);
if (p0 < 0) {
sb.append(in.subSequence(p1, in.length()));
break;
} else {
sb.append(in.subSequence(p1, p0));
p1 = p0;
}
}
return sb.toString();
}
速い
fun unicodeDecode(unicode: String): String {
val stringBuffer = StringBuilder()
var i = 0
while (i < unicode.length) {
if (i + 1 < unicode.length)
if (unicode[i].toString() + unicode[i + 1].toString() == "\\u") {
val symbol = unicode.substring(i + 2, i + 6)
val c = Integer.parseInt(symbol, 16)
stringBuffer.append(c.toChar())
i += 5
} else stringBuffer.append(unicode[i])
i++
}
return stringBuffer.toString()
}
実際、私はいくつかのユーティリティを含むオープンソースライブラリを作成しました。それらの1つは、Unicodeシーケンスを文字列に変換することです。とても便利だと思いました。Unicodeコンバータに関するこのライブラリに関する記事からの引用は次のとおりです。
クラスStringUnicodeEncoderDecoderには、文字列（任意の言語）をUnicode文字のシーケンスに（またはその逆に）変換できるメソッドがあります。たとえば、文字列「HelloWorld」はに変換されます
"\ u0048 \ u0065 \ u006c \ u006c \ u006f \ u0020 \ u0057 \ u006f \ u0072 \ u006c \ u0064"
復元される可能性があります。
これは、ライブラリにあるユーティリティと、ライブラリでそれを使用する方法を説明する記事全体へのリンクです。MavenアーティファクトまたはGithubからのソースとして入手できます。とても使いやすいです。スタックトレースフィルタリング、サイレント文字列解析Unicodeコンバーター、バージョン比較を備えたオープンソースJavaライブラリ
Java 9以降では、Matcherクラスの新しいreplaceAllメソッドを使用できます。
private static final Pattern UNICODE_PATTERN = Pattern.compile("\\\\u([0-9A-Fa-f]{4})");
public static String unescapeUnicode(String unescaped) {
return UNICODE_PATTERN.matcher(unescaped).replaceAll(r -> String.valueOf((char) Integer.parseInt(r.group(1), 16)));
}
public static void main(String[] args) {
String originalMessage = "\\u0048\\u0065\\u006C\\u006C\\u006F World";
String unescapedMessage = unescapeUnicode(originalMessage);
System.out.println(unescapedMessage);
}
私は終わっこのアプローチの主な利点と考えていunescapeJavaによってStringEscapeUtilsトン\ nまたは\のように（後者の変換は、すべてのJavaの文字をエスケープするので、（余分なライブラリを使用しない以外は）（あなたが望むなら）あなたが唯一のUnicode文字を変換することができるということです）。すべてのエスケープ文字を変換したい場合は、ライブラリが本当に最良のオプションです。
@NominSim他の文字があるかもしれないので、長さで検出する必要があります。
private String forceUtf8Coding(String str) {
str = str.replace("\\","");
String[] arr = str.split("u");
StringBuilder text = new StringBuilder();
for(int i = 1; i < arr.length; i++){
String a = arr[i];
String b = "";
if (arr[i].length() > 4){
a = arr[i].substring(0, 4);
b = arr[i].substring(4);
}
int hexVal = Integer.parseInt(a, 16);
text.append((char) hexVal).append(b);
}
return text.toString();
}
これを実現する別の方法はchars()、Java 9で導入されたものを利用することです。これを使用して文字を反復処理し、代理コードポイントにマップされるすべての文字が解釈されずに渡されるようにすることができます。これは次のように使用できます：-
String myString = "\u0048\u0065\u006C\u006C\u006F World";
myString.chars().forEach(a -> System.out.print((char)a));
// would print "Hello World"
回答の多くが「補足文字」の問題に対応していないことがわかりました。これをサポートする正しい方法は次のとおりです。サードパーティのライブラリはなく、純粋なJava実装です。
http://www.oracle.com/us/technologies/java/supplementary-142654.html
public static String fromUnicode(String unicode) {
String str = unicode.replace("\\", "");
String[] arr = str.split("u");
StringBuffer text = new StringBuffer();
for (int i = 1; i < arr.length; i++) {
int hexVal = Integer.parseInt(arr[i], 16);
text.append(Character.toChars(hexVal));
}
return text.toString();
}
public static String toUnicode(String text) {
StringBuffer sb = new StringBuffer();
for (int i = 0; i < text.length(); i++) {
int codePoint = text.codePointAt(i);
// Skip over the second char in a surrogate pair
if (codePoint > 0xffff) {
i++;
}
String hex = Integer.toHexString(codePoint);
sb.append("\\u");
for (int j = 0; j < 4 - hex.length(); j++) {
sb.append("0");
}
sb.append(hex);
}
return sb.toString();
}
@Test
public void toUnicode() {
System.out.println(toUnicode("😊"));
System.out.println(toUnicode("🥰"));
System.out.println(toUnicode("Hello World"));
}
// output:
// \u1f60a
// \u1f970
// \u0048\u0065\u006c\u006c\u006f\u0020\u0057\u006f\u0072\u006c\u0064
@Test
public void fromUnicode() {
System.out.println(fromUnicode("\\u1f60a"));
System.out.println(fromUnicode("\\u1f970"));
System.out.println(fromUnicode("\\u0048\\u0065\\u006c\\u006c\\u006f\\u0020\\u0057\\u006f\\u0072\\u006c\\u0064"));
}
// output:
// 😊
// 🥰
// Hello World
Kotlinのソリューション：
val sourceContent = File("test.txt").readText(Charset.forName("windows-1251"))
val result = String(sourceContent.toByteArray())
Kotlinは、デフォルトのエンコーディングとしてどこでもUTF-8を使用します。
メソッドにtoByteArray()はデフォルトの引数があります- Charsets.UTF_8。
String(string.toByteArray())文字通り何も達成しません。
toByteArray()はデフォルトの引数がありますCharsets.UTF_8。次に、必要なエンコーディングを使用してbytearrayから文字列を作成します。今日はwindows-1251utf-8でテストしましたが、動作します。また、バイトレベルで比較しました:)