程序博客网 > 网络销售的工资

java版字符串编码转换

来源：互联网 发布：网络销售的工资 编辑：程序博客网 时间：2024/06/05 14:27
import java.lang.Character.UnicodeBlock;/** * Created by Administrator on 2016/1/14. */public class CharsetUtil {    public static void main(String[] args){        String str="天空很蓝，大海很咸，顺远";        String unicode=GBK2Unicode(str);        System.out.println(unicode);        String utf=unicodeToUtf8(unicode);        System.out.println(utf);        unicode=utf8ToUnicode(str);        utf=unicodeToUtf8(unicode);        System.out.println(utf);    }    public static String gbk2utf8(String gbk) {        String l_temp = GBK2Unicode(gbk);        l_temp = unicodeToUtf8(l_temp);        return l_temp;    }    public static String utf82gbk(String utf) {        String l_temp = utf8ToUnicode(utf);        l_temp = Unicode2GBK(l_temp);        return l_temp;    }    /**     *     * @param str     * @return String     */    public static String GBK2Unicode(String str) {        StringBuffer result = new StringBuffer();        for (int i = 0; i < str.length(); i++) {            char chr1 = (char) str.charAt(i);            if (!isNeedConvert(chr1)) {                result.append(chr1);                continue;            }            result.append("\\u" + Integer.toHexString((int) chr1));        }        return result.toString();    }    /**     *     * @param dataStr     * @return String     */    public static String Unicode2GBK(String dataStr) {        int index = 0;        StringBuffer buffer = new StringBuffer();        int li_len = dataStr.length();        while (index < li_len) {            if (index >= li_len - 1                    || !"\\u".equals(dataStr.substring(index, index + 2))) {                buffer.append(dataStr.charAt(index));                index++;                continue;            }            String charStr = "";            charStr = dataStr.substring(index + 2, index + 6);            char letter = (char) Integer.parseInt(charStr, 16);            buffer.append(letter);            index += 6;        }        return buffer.toString();    }    public static boolean isNeedConvert(char para) {        return ((para & (0x00FF)) != para);    }    /**     * utf-8 转unicode     *     * @param inStr     * @return String     */    public static String utf8ToUnicode(String inStr) {        char[] myBuffer = inStr.toCharArray();        StringBuffer sb = new StringBuffer();        for (int i = 0; i < inStr.length(); i++) {            UnicodeBlock ub = UnicodeBlock.of(myBuffer[i]);            if (ub == UnicodeBlock.BASIC_LATIN) {                sb.append(myBuffer[i]);            } else if (ub == UnicodeBlock.HALFWIDTH_AND_FULLWIDTH_FORMS) {                int j = (int) myBuffer[i] - 65248;                sb.append((char) j);            } else {                int s = (int) myBuffer[i];                String hexS = Integer.toHexString(s);                String unicode = "\\u" + hexS;                sb.append(unicode.toLowerCase());            }        }        return sb.toString();    }    /**     *     * @param theString     * @return String     */    public static String unicodeToUtf8(String theString) {        char aChar;        int len = theString.length();        StringBuffer outBuffer = new StringBuffer(len);        for (int x = 0; x < len;) {            aChar = theString.charAt(x++);            if (aChar == '\\') {                aChar = theString.charAt(x++);                if (aChar == 'u') {                    // Read the xxxx                    int value = 0;                    for (int i = 0; i < 4; i++) {                        aChar = theString.charAt(x++);                        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.");                        }                    }                    outBuffer.append((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';                    outBuffer.append(aChar);                }            } else                outBuffer.append(aChar);        }        return outBuffer.toString();    }}



还有一篇博客：http://blog.csdn.net/tge7618291/article/details/7608510


Unicode与GBK互转

3.1 GBK --> Unicode

Unicode 与 GBK 是两个完全不样的字符编码方案, 其两者没有直接关系, 要对其进行相
互转换, 最直接最高效的方法是查表.

GBK与Unicode的映射表可以从网上下载:
    http://www.gnu.org/directory/libiconv.html

显然, 只需要把下载下来的映射表用一个二维数组表示即可, tab_GBK_to_UCS2[i][0]表
示GBK编码值,  tab_GBK_to_UCS2[i][1]表示Unicode值.

[cpp] view plaincopy
  1. <span xmlns="http://www.w3.org/1999/xhtml" style="">// #c---  
  2. static const unsigned short tab_GBK_to_UCS2[][2] =  
  3. {  
  4.    /* GBK    Unicode     字 */  
  5.   
  6.     {0x8140, 0x4E02}, // 丂  
  7.     {0x8141, 0x4E04}, // 丄  
  8.     {0x8142, 0x4E05}, // 丅  
  9.     {0x8143, 0x4E06}, // 丆  
  10.     {0x8144, 0x4E0F}, // 丏  
  11.     ... ...  
  12.     {0x817F, 0x0001}, // XXXXX  
  13.     ... ...  
  14. };  
  15. // #c---end</span>  



但这有一个问题, 对于GBK编码并不是连续的, 有些编码目前是没有意义的, 如0x817F,
为了方便使用数组索引下标, 我们以把这些值也插入数组, 对应的Unicode值用一个不冲
突的值表示即可, 在这用的是0x0001. 这样对于任意的GBK编码值, 我们就可直接地利用
该数组直接找出其对应的Unicode编码值了. 起初, 我还打算用一个map来实现GBK到
Unicode 的转换, 这也只都是考虑到空间是否节省和是否高效. 对于高效, 数组当然没得
说; 用树实现的map也能达到log2; 用hash实现的map, 如果能选用效好的hash函数也是能
够达到常数级别的. 对于节省空间, 如果数据是连续的, 那是最理想不过了, 但目前这一
问题并不连续, 所以, 为了连续, 只能浪费点了, 算了下, 对于这一问题空间利用率为
69%左右; 如果是map, 因每个节点都要点空间, 所以算了一下, 其空间利用率也就67%左
右.


将一个字符的GBK编码转换成Unicode(UCS-2和UCS-4)编码.

[cpp] view plaincopy
  1. <span xmlns="http://www.w3.org/1999/xhtml" style="">// #c---  
  2. /***************************************************************************** 
  3.  * 将一个字符的GBK编码转换成Unicode(UCS-2和UCS-4)编码. 
  4.  * 
  5.  * 参数: 
  6.  *    gbk         字符的GBK编码值 
  7.  *    ucs         指向输出缓冲区, 其保存的数据即是Unicode编码值, 
  8.  *                类型为unsigned long . 
  9.  * 
  10.  * 返回值: 
  11.  *    1. 成功则返回该字符的GBK编码所占用的字节数; 
  12.  *         对于ASCII字符返回1, 对于非ASCII中文字符返回2. 
  13.  *    2. 失败则返回0. 
  14.  * 
  15.  * 注意: 
  16.  *     1. GBK 和 Unicode 都有字节序要求; 
  17.  *        字节序分为大端(Big Endian)和小端(Little Endian)两种; 
  18.  *        在Intel处理器中采用小端法表示, 在此采用小端法表示. (低地址存低位) 
  19.  ****************************************************************************/  
  20. int enc_GBK_to_unicode_one(unsigned short gbk,  
  21.         unsigned long *ucs)  
  22. {  
  23.     assert(ucs != NULL);  
  24.   
  25.     unsigned char *p = (unsigned char *) &gbk;  
  26.     unsigned char *phibyte = p + 1;  
  27.   
  28.     if ( *phibyte < 0x80 )  
  29.     {  
  30.         *ucs = *phibyte;  
  31.         return 1;  
  32.     }  
  33.     else  
  34.     {  
  35.         if ( gbk < tab_GBK_to_UCS2[0][0] ||  
  36.                 gbk > tab_GBK_to_UCS2[NUMOF_TAB_GBK_TO_UCS2 - 1][0] )  
  37.         {  
  38.             return 0;  
  39.         }  
  40.   
  41.         *ucs = tab_GBK_to_UCS2[gbk - tab_GBK_to_UCS2[0][0]][1];  
  42.     }  
  43.   
  44.     return 2;  
  45. }  
  46.   
  47. // #c---end  
  48.   
  49.   
  50. </span>  


3.2 Unicode --> GBK

要实现Unicode到GBK的转换, 可以使用以上的数组表结构, 但由于GBK对应的unicode值的
范围太广, 会造成很大的浪费, 空间利用率只有30%. 无奈只能用map了.

用hash实现的map是个不错的选择.

[cpp] view plaincopy
  1. <span xmlns="http://www.w3.org/1999/xhtml" style=""><span xmlns="http://www.w3.org/1999/xhtml" style="">// #c---  
  2. /*==========================================================================* 
  3.  * @Description: 
  4.  *      初始化unicode(key)与GBK(value)的映射表tab_UCS2_to_GBK 
  5.  * 
  6.  * @Returns: 
  7.  *      成功, 返回1; 
  8.  *      失败, 返回0. 
  9.  * 
  10.  *==========================================================================*/  
  11. static int enc_stc_unicode_to_GBK_init()  
  12. {  
  13.     assert(tab_UCS2_to_GBK == NULL);  
  14.   
  15.     int  i;  
  16.     void *ret;  
  17.   
  18.     tab_UCS2_to_GBK = Table_new(21791, enc_stc_unicode_to_GBK_cmp,  
  19.             enc_stc_unicode_to_GBK_hash);  
  20.     if ( tab_UCS2_to_GBK == TABLE_ERROR )  
  21.         return 0;  
  22.   
  23.     for ( i = 0; i < NUMOF_TAB_GBK_TO_UCS2; i++ )  
  24.     {  
  25.         if ( tab_GBK_to_UCS2[i][1] == 0x0001 )  
  26.             continue;  
  27.   
  28.         unsigned long k = (unsigned long)tab_GBK_to_UCS2[i][1];  
  29.         unsigned long v = (unsigned long)tab_GBK_to_UCS2[i][0];  
  30.         ret = Table_put(tab_UCS2_to_GBK, (void*)k, (void*)v);  
  31.         if ( ret != TABLE_OK )  
  32.             return 0;  
  33.     }  
  34.   
  35.     return 1;  
  36. }  
  37.   
  38. /***************************************************************************** 
  39.  * 将一个字符的Unicode(UCS-2和UCS-4)编码转换成GBK编码. 
  40.  * 
  41.  * 参数: 
  42.  *    ucs      字符的Unicode编码值 
  43.  *    gbk      指向输出的用于存储GBK编码值的缓冲区的指针 
  44.  * 
  45.  * 返回值: 
  46.  *    1. 成功则返回该字符的GBK编码所占用的字节数; 
  47.  *         对于ASCII字符返回1, 对于非ASCII中文字符返回2. 
  48.  *    2. 失败则返回0. 
  49.  * 
  50.  * 注意: 
  51.  *     1. GKB和Unicode都有字节序要求; 
  52.  *        字节序分为大端(Big Endian)和小端(Little Endian)两种; 
  53.  *        在Intel处理器中采用小端法表示, 在此采用小端法表示. (低地址存低位) 
  54.  ****************************************************************************/  
  55. int enc_unicode_to_GBK_one(unsigned long ucs, unsigned short *gbk)  
  56. {  
  57.     assert(gbk != NULL);  
  58.   
  59.     if ( ucs < 0x80 )  
  60.     {  
  61.         *gbk = ucs;  
  62.         return 1;  
  63.     }  
  64.   
  65.     if ( tab_UCS2_to_GBK == NULL )  
  66.         if ( enc_stc_unicode_to_GBK_init() == 0 )  
  67.             return 0;  
  68.   
  69.     void *pvalue;  
  70.   
  71.     pvalue = Table_get(tab_UCS2_to_GBK, (void*)ucs);  
  72.     if ( pvalue == TABLE_NO_KEY )  
  73.         return 0;  
  74.   
  75.     *gbk = (unsigned long)pvalue;  
  76.   
  77.     return 2;  
  78. }  
  79.   
  80. // #c---end  
  81.   
  82.   
  83. </span></span>  

0 0
网络销售的工资 网络销售的工资
原创粉丝点击
热门IT博客
阿里云邮企业邮箱登陆阿里云邮企业邮箱登陆
卖家加入淘宝联盟卖家加入淘宝联盟
网络好电视猫最近很卡
淘宝发安能物流单号
软件评测中心
2017淘宝搜索规则变化
js给input value赋值
2016年淘宝99大促时间
代理软件打不开网页
网络电视怎么关机呢
波浪理论 知乎
linux c sleep 头文件
fifaonline3国服数据库
dwg viewer mac 破解
bobble是什么软件
淘宝旺旺下载安装
centos修改ssh端口号
华东电脑旗下华讯网络
正在识别网络
知乎英国脱欧利弊
热门问题 老师的惩罚 人脸识别 我在镇武司摸鱼那些年 重生之率土为王 我在大康的咸鱼生活 盘龙之生命进化 天生仙种 凡人之先天五行 春回大明朝 姑娘不必设防，我是瞎子 家庭装修清包合同 慕战北叶清歌免费阅读 幕站北叶清歌全文免费阅读 慕战北叶清歌 叶清歌慕战北 慕战北叶清歌章节目录 清北复交 考研450能上清北吗 幕战北叶清歌免费阅读 清北网校 清北 北清 我要打篮球清北联盟 一顾清辰 瑶小北 慕战北叶清歌第100章 叶清歌慕战北全文免费阅读 盛世清北考研辅导班 清北孤独到上热搜 清华 清华分数线 清华计划表 清华美院 清华校长 清华邮箱 清华长庚 清华附中 清华图片 清华培训班 清华培训 清华前身 参观清华 清华马艺妮 清华学生计划表 清华大学分数线 清华大学世界排名 清华学生的计划表 清华学霸计划表 清华世界排名 为什么清华不愿招衡中 清华大学开学典礼 清华大学校草孔逸

程序博客网，程序员的互联网技术博客家园。csdn论坛精品 msdn技术资料都在这里