[转]Java的Unicode编码转化（多种情况处理方法）

转:

[JDK自带了native2ascii，但是很多时候还是需要自己写程序去解析unicode编码问题，网上的decodeUnicode
这个方法实现有比较严重的解析问题实在是个大坑，转了作者的这篇文章希望大家不要再用decodeUnicode了，
还有就是使用别人代码之前毋必仔细尝试！]
原文：http://448230305.iteye.com/blog/2159336

Java的Unicode编码转化（多种情况处理方法）

Java转unicode转中文的情况使用的场景很多，是一个很常见的需求，按理来说，这样的功能应该被java集成起来，不过很遗憾，java提供的方法很烂，很多时候我们需要自己去写。

好在这个需求的源代码网上很多，在查资料的过程中，我找到啦好几种，下面我将我找到的资料分享和我自己实现的方法提供给大家；希望大家能有个参考；

1、java中使用的是unicode编码，所以如果我们得到的本身就是一个unicode编码，那么我们可以直接print出来的就是中文：

public static void main(String[] args){
    String string= "\u9999\u714e\u9a6c\u9c9b\u9c7c\u7684\u535a\u5ba2";
    System.out.println(string);
}

输出：

香煎马鲛鱼的博客

可是像上面那种情况在实际问题里是很少见的，在1例子中，”\”是转义字符，实际我们得到的unicode编码是这样的：

public static void main(String[] args){
     String string= "\\u9999\\u714e\\u9a6c\\u9c9b\\u9c7c\\u7684\\u535a\\u5ba2";
     System.out.println(string);
}

而这样得到的输出结果就变成了这样：

\u9999\u714e\u9a6c\u9c9b\u9c7c\u7684\u535a\u5ba2

这样的结果肯定是我们不想要的，那么解决方法是什么呢：

方法一：这是在网上最常见的一种方法，直接将方法decodeUnicode放在类中就可以，方便，不过缺点就是代码量比较大，下面我们测试一下它的转义能力

\u9999\\u714e\u9c7c香\u714e鱼香\煎鱼转义有误

可见，方法一虽然能对中英混合进行识别，但对\和\u的识别仍然存在问题，我们可以给他打70分；

public static String decodeUnicode(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();
    }
}

方法二：此种方法在网上也比较常见，代码量少，可读性强是它最大的优点，但是，它的转义能力……大家自己体会一下吧；

 它的转义能力决定它的实用性不强，但是鉴于它比较简单，所以还是有一定市场的，不过也请大家谨慎使用，根据我的测试，这种转码方式只对全中文有效

public static String ascii2native_orl(String ascii) {
        int n = ascii.length() / 6;
        StringBuilder sb = new StringBuilder(n);
        for (int i = 0, j = 2; i < n; i++, j += 6) {
            String code = ascii.substring(j, j + 4);
            char ch = (char) Integer.parseInt(code, 16);
            sb.append(ch);
        }
        return sb.toString();
}

方法三：既然方法二有问题，那么我们能不能对他进行一些改进，让它适应性更强呢，当然，如果方法二加上正则表达式，就有更强的功能了

 这种方法很好利用了正则表达式，代码可读性强，转义能力也很不错，强烈推荐

public static String ascii2native(String ascii) {
	List<String> ascii_s = new ArrayList<String>();
	String zhengz = "\\\\u[0-9,a-f,A-F]{4}";
	Pattern p = Pattern.compile(zhengz);
	Matcher m = p.matcher(ascii);
	while (m.find()) {
		ascii_s.add(m.group());
	}
	for (int i = 0, j = 2; i < ascii_s.size(); i++) {
		String code = ascii_s.get(i).substring(j, j + 4);
		char ch = (char) Integer.parseInt(code, 16);
		ascii = ascii.replace(ascii_s.get(i), String.valueOf(ch));
	}
	return ascii;
}