标签: unicode-escapes

我有个问题.我找到了向下箭头的HTML代码,↓(↓)

凉.现在我需要在CSS中使用它,如下所示:

nav a:hover {content:"&darr";}

这显然↓是行不通的,因为它是一个HTML符号.关于css中使用的这些"转义的unicode"符号的信息似乎较少.还有其他符号\2020,我发现但没有箭头.什么是箭头代码？

我如何转换的国际(如俄罗斯)字符串到\u数字(Unicode数字),
如\u041e\u041a为OK？

我在python2.7中有一个像这样的字符串,

 This is some \u03c0 text that has to be cleaned\u2026! it\u0027s annoying!

我怎么把它转换成这个,

This is some text that has to be cleaned! its annoying!

System.out.println("\1");

我认为它没有编译,因为未识别的转义序列.

是什么"\1"究竟代表什么？

我需要转义以下定义为静态final的序列

final String POSIX_SIGNATURE = "ustar".concat("\0").concat("00");

如何在不使用.concat()方法和+字符串运算符的情况下转义它？

final String POSIX_SIGNATURE = "ustar\000"; 

这是无效的,与第一个不同.

final String POSIX_SIGNATURE = "ustar\0\00"; 

也不是这个.

我试图从一个字符串到另一个字符串读取高Unicode字符.为简洁起见,我将简化我的代码,如下所示:

public static void UnicodeTest()
{
    var highUnicodeChar = ""; //Not the standard A

    var result1 = highUnicodeChar; //this works
    var result2 = highUnicodeChar[0].ToString(); // returns \ud835
}

当我直接分配highUnicodeChar时result1,它保留其文字值. When I try to access it by index, it returns \ud835.据我了解,这是一对代表UTF-32字符的替代UTF-16字符.我很确定这个问题与尝试隐式转换char为a有关string.

最后,我想得到与之result2相同的价值result1.我怎样才能做到这一点？

请注意,我不是在问为什么,而是为什么.我不知道这是否是RCP特定的问题,或者它是否是Java固有的东西.

我的java源文件以UTF-8编码.

如果我像这样定义我的文字字符串:

    new Language("fr", "Français"),
    new Language("zh", "??")

当我在Eclipse中使用字符串作为Eclipse应用程序启动它时,它正如我所期望的那样工作:

但是,当我启动由"Eclipse Product Export Wizard"构建的.exe时失败:

我使用的解决方案是逃避这样的字符:

    new Language("fr", "Fran\u00e7ais"), // Français
    new Language("zh", "\u4e2d\u6587") // ??

这样做没有问题(我的所有其他字符串都在属性文件中,只有语言名称是硬编码的)但我想了解.

我认为编译器在构建字节码时必须转换java文字字符串.那么为什么unicode逃逸是必要的呢？在java源文件中使用高范围unicode字符是错误的吗？编译中的那些字符究竟发生了什么,以及与转义字符的处理有何不同？该问题是否与RCP缓存有关？

由于Tumblr主题编辑器中的错误\n,只要序列出现在源代码中,它就会转换为源代码本身中的实际换行符.因此,将\n序列放入Javascript字符串会导致程序崩溃,因为它会将字符串分成多行.

我想知道是否有另一种方法可以在JavaScript中记录换行符,这可以让我解决这个问题.

我在玩Java Unicode Escapes时无意中发现了以下有趣的奇怪之处。这是我写的代码：

static void main(String... args) {
        /*
         * \u0027 - single quote
         */
        char e = \u0027\n\u0027;
        char f = '\'';

        System.out.println(e == f);
        
        //output: true
}

查看编译后的代码，Java 编译器将它们翻译成相同的字符文字。

char e = '\'';
char f = '\'';

通过什么转换规则e变成了 a'而不是换行符\n？

顺便说一句，我在 Windows 11 上使用 Oracle JDK 19。

编辑：这个问题似乎与 Java 编译器未能按照 Java 语言规范工作有关。

编辑：当 Oracle JDK 19 在 JLS 18 模式下运行时，似乎会发生此问题。（我不知道如何正确地说这个）

我正在尝试从在此链接中找到的 .txt 文件构建一个语料库。我相信 的实例\xad应该是“软连字符”，但在 UTF-8 编码下似乎无法正确读取。我尝试iso8859-15使用以下代码将 .txt 文件编码为：

with open('Harry Potter 3 - The Prisoner Of Azkaban.txt', 'r', 
encoding='iso8859-15') as myfile:
data=myfile.read().replace('\n', '')

data2 = data.split(' ')

这将返回一个 'words' 数组，但 '\xad' 仍然附加到 data2 中的许多条目。我试过了

data_clean = data.replace('\\xad', '')

和

data_clean = data.replace('\\xad|\\xad\\xad','')

但这似乎并没有删除 '\xad' 的实例。有没有人遇到过类似的问题？理想情况下，我想将此数据编码为 UTF-8 以使用该nltk库，但它不会读取具有 UTF-8 编码的文件，因为我收到以下错误：

UnicodeDecodeError: 'utf-8' codec can't decode byte 0xad in position 471: invalid start byte

任何帮助将不胜感激！

附加上下文：这是一个娱乐项目，旨在能够基于 txt 文件生成故事。到目前为止，我生成的所有内容都充满了 '\xad'，这破坏了乐趣！