Convertir une chaîne internationale en \u Codes en java

Question

Comment puis-je convertir une chaîne internationale (par exemple russe) en \u nombres (nombres unicode)
par exemple \u041e\u041a pour OK ?

Answer 1

Il existe un Outils JDK exécuté via la ligne de commande comme suit :

native2ascii -encoding utf8 src.txt output.txt

Exemple :

src.txt

بسم الله الرحمن الرحيم

output.txt

\u0628\u0633\u0645 \u0627\u0644\u0644\u0647 \u0627\u0644\u0631\u062d\u0645\u0646 \u0627\u0644\u0631\u062d\u064a\u0645

Si vous voulez l'utiliser dans votre application Java, vous pouvez envelopper cette ligne de commande par :

String pathSrc = "./tmp/src.txt";
String pathOut = "./tmp/output.txt";
String cmdLine = "native2ascii -encoding utf8 " + new File(pathSrc).getAbsolutePath() + " " + new File(pathOut).getAbsolutePath();
Runtime.getRuntime().exec(cmdLine);
System.out.println("THE END");

Puis lire le contenu du nouveau fichier.

Answer 2

Vous pourriez utiliser escapeJavaStyleString de org.apache.commons.lang.StringEscapeUtils .

Answer 3

J'ai également eu ce problème. J'avais du texte portugais avec des caractères spéciaux, mais ces caractères étaient déjà au format unicode (ex.. : \u00e3 ).

Je veux donc convertir S\u00e3o à São .

Je l'ai fait en utilisant l'apache commons StringEscapeUtils . Comme l'a dit @sorin-sbarnea. Peut être téléchargé aquí .

Utilisez la méthode unescapeJava comme ceci :

String text = "S\u00e3o"
text = StringEscapeUtils.unescapeJava(text);
System.out.println("text " + text);

(Il existe également la méthode escapeJava mais celui-ci met les caractères unicode dans la chaîne).

Si quelqu'un connaît une solution en Java pur, merci de nous le dire.

Answer 4

Voici une version améliorée de La réponse de ArtB :

    StringBuilder b = new StringBuilder();

    for (char c : input.toCharArray()) {
        if (c >= 128)
            b.append("\\u").append(String.format("%04X", (int) c));
        else
            b.append(c);
    }

    return b.toString();

Cette version échappe tous les caractères non ASCII et fonctionne correctement pour les points de code Unicode bas comme Ä .

Answer 5

La réponse comporte trois parties

1. Obtenir l'Unicode pour chaque caractère
2. Déterminer si elle est en page cyrillique
3. Convertir en hexadécimal.

Pour obtenir chaque caractère, vous pouvez itérer dans la chaîne en utilisant la fonction charAt() ou [toCharArray()](http://docs.oracle.com/javase/7/docs/api/java/lang/String.html#toCharArray()) méthodes.

for( char c : s.toCharArray() )

La valeur du caractère est la valeur Unicode.

Le site Cyrillique Unicode Les caractères sont tous les caractères des plages suivantes :

Cyrillic:            U+0400–U+04FF ( 1024 -  1279)
Cyrillic Supplement: U+0500–U+052F ( 1280 -  1327)
Cyrillic Extended-A: U+2DE0–U+2DFF (11744 - 11775)
Cyrillic Extended-B: U+A640–U+A69F (42560 - 42655)

S'il se trouve dans cette fourchette, il s'agit d'un cyrillique. Il suffit d'effectuer une vérification if. S'il est dans l'intervalle, utilisez Integer.toHexString() et faire précéder le "\\u" . Mis ensemble, cela devrait ressembler à quelque chose comme ceci :

final int[][] ranges = new int[][]{ 
        {  1024,  1279 }, 
        {  1280,  1327 }, 
        { 11744, 11775 }, 
        { 42560, 42655 },
    };
StringBuilder b = new StringBuilder();

for( char c : s.toCharArray() ){
    int[] insideRange = null;
    for( int[] range : ranges ){
        if( range[0] <= c && c <= range[1] ){
            insideRange = range;
            break;
        }
    }

    if( insideRange != null ){
        b.append( "\\u" ).append( Integer.toHexString(c) );
    }else{
        b.append( c );
    }
}

return b.toString();

---

Edita: devrait probablement faire le chèque c < 128 et inverser le if et le else corps ; vous probablement doit échapper à tout ce qui n'est pas ASCII. J'ai probablement été trop littéral dans ma lecture de votre question.