230
使用Java將中文字符轉換成Unicode編碼
這兩天操作XML使用到了Jdom，在創建XML文件並輸出到硬盤的時候遇到一個中文編碼的問題：Jdom默認輸出的XML編碼是UTF-8，但是文檔中如果出現中文字符那麼該中文字符就會變成亂碼，造成XML文件無法被正確解析。
UTF-8應該是可以用來表示中文的吧？我不知道這是不是Jdom的一個BUG（Jdom 1.0，beta了10次的產物哦！）。我google了一下，大家解決這個問題的辦法無非是把Jdom的輸出字符集改為GBK或者GB2312，但是這樣就會有一些副作用，如果在沒有特定字符集（GBK或者GB2312）的操作係統上不是依然不能正確解析嗎？一個比較好的解決辦法是先把中文轉換成Unicode編碼在直接輸出，程序解析XML後的時候再把Unicode編碼轉回中文就沒有問題了。
於是我查看了JDK的文檔，截至Java 5好像都沒有做類似轉換的類可以直接使用，但是我發現一個類 java.util.Properties，它的源代碼裏有兩個私有（private）方法 loadConvert (char[] in, int off, int len, char[] convtBuf) 和 saveConvert(String theString, boolean escapeSpace) 其實就是做特殊字符和Unicode編碼字符間轉換的，我把它們提取出來，單獨包裝到一個類裏就可以使用了。
下麵是我包裝的類 CharacterSetToolkit
/*
* CharacterSetToolkit.java
*
* Created on 2006年10月27日, 下午2:06
*
* To change this template, choose Tools | Template Manager
* and open the template in the editor.
*/
package mobi.chenwei.lang;
/**
* 進行字符操作的工具類
* @author Chen Wei
* @email chenwei.mobi@gmail.com
*/
public class CharacterSetToolkit {
/** Creates a new instance of CharacterSetToolkit */
public CharacterSetToolkit() {
}
private static final char[] hexDigit = {
'0','1','2','3','4','5','6','7','8','9','A','B','C','D','E','F'
};
private static char toHex(int nibble) {
return hexDigit[(nibble & 0xF)];
}
/**
* 將字符串編碼成 Unicode 。
* @param theString 待轉換成Unicode編碼的字符串。
* @param escapeSpace 是否忽略空格。
* @return 返回轉換後Unicode編碼的字符串。
*/
public static String toUnicode(String theString, boolean escapeSpace) {
int len = theString.length();
int bufLen = len * 2;
if (bufLen < 0) {
bufLen = Integer.MAX_VALUE;
}
StringBuffer outBuffer = new StringBuffer(bufLen);
for(int x=0; x<len; x++) {
char aChar = theString.charAt(x);
// Handle common case first, selecting largest block that
// avoids the specials below
if ((aChar > 61) && (aChar < 127)) {
if (aChar == '\\') {
outBuffer.append('\\'); outBuffer.append('\\');
continue;
}
outBuffer.append(aChar);
continue;
}
switch(aChar) {
case ' ':
if (x == 0 || escapeSpace)
outBuffer.append('\\');
outBuffer.append(' ');
break;
case '\t':outBuffer.append('\\'); outBuffer.append('t');
break;
case '\n':outBuffer.append('\\'); outBuffer.append('n');
break;
case '\r':outBuffer.append('\\'); outBuffer.append('r');
break;
case '\f':outBuffer.append('\\'); outBuffer.append('f');
break;
case '=': // Fall through
case ':': // Fall through
case '#': // Fall through
case '!':
outBuffer.append('\\'); outBuffer.append(aChar);
break;
default:
if ((aChar < 0x0020) || (aChar > 0x007e)) {
outBuffer.append('\\');
outBuffer.append('u');
outBuffer.append(toHex((aChar >> 12) & 0xF));
outBuffer.append(toHex((aChar >> 8) & 0xF));
outBuffer.append(toHex((aChar >> 4) & 0xF));
outBuffer.append(toHex( aChar & 0xF));
} else {
outBuffer.append(aChar);
}
}
}
return outBuffer.toString();
}
/**
* 從 Unicode 碼轉換成編碼前的特殊字符串。
* @param in Unicode編碼的字符數組。
* @param off 轉換的起始偏移量。
* @param len 轉換的字符長度。
* @param convtBuf 轉換的緩存字符數組。
* @return 完成轉換，返回編碼前的特殊字符串。
*/
public String fromUnicode(char[] in, int off, int len, char[] convtBuf) {
if (convtBuf.length < len) {
int newLen = len * 2;
if (newLen < 0) {
newLen = Integer.MAX_VALUE;
}
convtBuf = new char[newLen];
}
char aChar;
char[] out = convtBuf;
int outLen = 0;
int end = off + len;
while (off < end) {
aChar = in[off++];
if (aChar == '\\') {
aChar = in[off++];
if (aChar == 'u') {
// Read the xxxx
int value = 0;
for (int i = 0; i < 4; i++) {
aChar = in[off++];
switch (aChar) {
case '0':
case '1':
case '2':
case '3':
case '4':
case '5':
case '6':
case '7':
case '8':
case '9':
value = (value << 4) + aChar - '0';
break;
case 'a':
case 'b':
case 'c':
case 'd':
case 'e':
case 'f':
value = (value << 4) + 10 + aChar - 'a';
break;
case 'A':
case 'B':
case 'C':
case 'D':
case 'E':
case 'F':
value = (value << 4) + 10 + aChar - 'A';
break;
default:
throw new IllegalArgumentException(
"Malformed \\uxxxx encoding.");
}
}
out[outLen++] = (char) value;
} else {
if (aChar == 't') {
aChar = '\t';
} else if (aChar == 'r') {
aChar = '\r';
} else if (aChar == 'n') {
aChar = '\n';
} else if (aChar == 'f') {
aChar = '\f';
}
out[outLen++] = aChar;
}
} else {
out[outLen++] = (char) aChar;
}
}
return new String(out, 0, outLen);
}
}
最後更新：2017-04-02 06:52:15