Java中如何将八进制字符序列转换为unicode

Question

您好，有以下字符串，

Let\342\200\231s start with the most obvious question first. This is what an \342\200\234unfurl\342\200\235 is

它应该显示为 前三个数字 ( \342\200\231) 实际上表示一个八进制序列http://graphemica.com/%E2%80%99，它的 unicode 等效项是\u2019

类似地\342\200\234表示八进制序列http://graphemica.com/%E2%80%9C，其等效的 unicode 是\u201C

是否有任何库或函数可以用来将这些八进制序列转换为其等效的 unicode 序列？

Answer 1

您显示的字节是 UTF-8 编码（的表示），这只是 Unicode 的多种形式之一。Java 旨在处理字节序列（例如数组和流）等编码，但不处理字符和字符串。更干净的方法是实际使用字节，但是您必须处理这样一个事实：Java 字节是有符号的 (-128 .. +127) 并且所有多字节 UTF-8 代码（根据设计）都位于 8 的上半部分位空间：

byte[] a = {'L','e','t',(byte)0342,(byte)0200,(byte)0231,'s'};
System.out.println (new String (a,StandardCharsets.UTF_8));
// or arguably uglier
byte[] b = {'L','e','t',0342-256,0200-256,0231-256,'s'};
System.out.println (new String (b,StandardCharsets.UTF_8));

但是，如果您想要更接近原始内容的内容，您可以通过将实际上包含 UTF-8 字节的字符串（无符号字符）视为包含形成 Unicode 范围 0000-00FF 的 8 位字符来作弊，即定义与 ISO-8859-1 相同：

byte[] c = "Let\342\200\231s".getBytes(StandardCharsets.ISO_8859_1);
System.out.println (new String (c,StandardCharsets.UTF_8));