源代码中的字符串与从文件中读取的字符串之间有什么区别？

Question

在我的磁盘中有一个名为"dd.txt"的文件,它的内容是 \u5730\u7406

现在,当我运行这个程序

public static void main(String[] args) throws IOException {
    FileInputStream fis=new FileInputStream("d:\\dd.txt");
    ByteArrayOutputStream baos=new ByteArrayOutputStream();
    byte[] buffer=new byte[fis.available()];
    while ((fis.read(buffer))!=-1) {
        baos.write(buffer);
    }
    String s1="\u5730\u7406";
    String s2=baos.toString("utf-8");
    System.out.println("s1:"+s1+"\n"+"s2:"+s2);
}

我得到了不同的结果

s1:??
s2:\u5730\u7406

你能告诉我为什么吗？以及我如何读取该文件并获得与中文s1相同的结果？

Answer 1

使用\u5730Java代码编写时,编译器会将其解释为单个unicode字符(unicode文字).当你把它写到一个文件时,它只是6个常规字符(因为没有解释它的东西).你有没有??直接写文件的原因？

如果您希望读取包含unicode文字的文件,您需要自己解析这些值,自己丢弃\u并解析unicode代码点.如果你控制文件的创建,首先在文件中用合适的编码(例如UTF-8)编写适当的unicode要容易得多,在正常情况下你永远不会遇到包含这些转义的unicode文字的文件.

Answer 2

在Java代码中,它们\uxxxx被解释为Unicode文字,因此它们显示为中文字符.这样做只是因为指示编译器这样做.

要获得相同的结果,您必须自己进行一些解析:

String[] hexCodes = s2.split("\\\\u");
for (String hexCode : hexCodes) {
    if (hexCode.length() == 0)
        continue;
    int intValue = Integer.parseInt(hexCode, 16);
    System.out.print((char)intValue);
}

(请注意,这仅适用于每个字符都是Unicode字面形式的情况,例如\uxxxx)