java版字符串编码转换
2016-01-14 16:38
471 查看
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
<span xmlns="http://www.w3.org/1999/xhtml" style="">// #c---
static const unsigned short tab_GBK_to_UCS2[][2] =
{
/* GBK Unicode 字 */
{0x8140, 0x4E02}, // 丂
{0x8141, 0x4E04}, // 丄
{0x8142, 0x4E05}, // 丅
{0x8143, 0x4E06}, // 丆
{0x8144, 0x4E0F}, // 丏
... ...
{0x817F, 0x0001}, // XXXXX
... ...
};
// #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
<span xmlns="http://www.w3.org/1999/xhtml" style="">// #c---
/*****************************************************************************
* 将一个字符的GBK编码转换成Unicode(UCS-2和UCS-4)编码.
*
* 参数:
* gbk 字符的GBK编码值
* ucs 指向输出缓冲区, 其保存的数据即是Unicode编码值,
* 类型为unsigned long .
*
* 返回值:
* 1. 成功则返回该字符的GBK编码所占用的字节数;
* 对于ASCII字符返回1, 对于非ASCII中文字符返回2.
* 2. 失败则返回0.
*
* 注意:
* 1. GBK 和 Unicode 都有字节序要求;
* 字节序分为大端(Big Endian)和小端(Little Endian)两种;
* 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)
****************************************************************************/
int enc_GBK_to_unicode_one(unsigned short gbk,
unsigned long *ucs)
{
assert(ucs != NULL);
unsigned char *p = (unsigned char *) &gbk;
unsigned char *phibyte = p + 1;
if ( *phibyte < 0x80 )
{
*ucs = *phibyte;
return 1;
}
else
{
if ( gbk < tab_GBK_to_UCS2[0][0] ||
gbk > tab_GBK_to_UCS2[NUMOF_TAB_GBK_TO_UCS2 - 1][0] )
{
return 0;
}
*ucs = tab_GBK_to_UCS2[gbk - tab_GBK_to_UCS2[0][0]][1];
}
return 2;
}
// #c---end
</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
<span xmlns="http://www.w3.org/1999/xhtml" style=""><span xmlns="http://www.w3.org/1999/xhtml" style="">// #c---
/*==========================================================================*
* @Description:
* 初始化unicode(key)与GBK(value)的映射表tab_UCS2_to_GBK
*
* @Returns:
* 成功, 返回1;
* 失败, 返回0.
*
*==========================================================================*/
static int enc_stc_unicode_to_GBK_init()
{
assert(tab_UCS2_to_GBK == NULL);
int i;
void *ret;
tab_UCS2_to_GBK = Table_new(21791, enc_stc_unicode_to_GBK_cmp,
enc_stc_unicode_to_GBK_hash);
if ( tab_UCS2_to_GBK == TABLE_ERROR )
return 0;
for ( i = 0; i < NUMOF_TAB_GBK_TO_UCS2; i++ )
{
if ( tab_GBK_to_UCS2[i][1] == 0x0001 )
continue;
unsigned long k = (unsigned long)tab_GBK_to_UCS2[i][1];
unsigned long v = (unsigned long)tab_GBK_to_UCS2[i][0];
ret = Table_put(tab_UCS2_to_GBK, (void*)k, (void*)v);
if ( ret != TABLE_OK )
return 0;
}
return 1;
}
/*****************************************************************************
* 将一个字符的Unicode(UCS-2和UCS-4)编码转换成GBK编码.
*
* 参数:
* ucs 字符的Unicode编码值
* gbk 指向输出的用于存储GBK编码值的缓冲区的指针
*
* 返回值:
* 1. 成功则返回该字符的GBK编码所占用的字节数;
* 对于ASCII字符返回1, 对于非ASCII中文字符返回2.
* 2. 失败则返回0.
*
* 注意:
* 1. GKB和Unicode都有字节序要求;
* 字节序分为大端(Big Endian)和小端(Little Endian)两种;
* 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)
****************************************************************************/
int enc_unicode_to_GBK_one(unsigned long ucs, unsigned short *gbk)
{
assert(gbk != NULL);
if ( ucs < 0x80 )
{
*gbk = ucs;
return 1;
}
if ( tab_UCS2_to_GBK == NULL )
if ( enc_stc_unicode_to_GBK_init() == 0 )
return 0;
void *pvalue;
pvalue = Table_get(tab_UCS2_to_GBK, (void*)ucs);
if ( pvalue == TABLE_NO_KEY )
return 0;
*gbk = (unsigned long)pvalue;
return 2;
}
// #c---end
</span></span>
内容来自用户分享和网络整理，不保证内容的准确性，如有侵权内容，可联系管理员处理 
相关文章推荐
- java对世界各个时区(TimeZone)的通用转换处理方法(转载)
- java-注解annotation
- java-模拟tomcat服务器
- java-用HttpURLConnection发送Http请求.
- java-WEB中的监听器Lisener
- Android IPC进程间通讯机制
- Android Native 绘图方法
- Android java 与 javascript互访(相互调用)的方法例子
- 介绍一款信息管理系统的开源框架---jeecg
- 聚类算法之kmeans算法java版本
- java实现 PageRank算法
- PropertyChangeListener简单理解
- c++11 + SDL2 + ffmpeg +OpenAL + java = Android播放器
- 插入排序
- 冒泡排序
- 堆排序
- 快速排序
- 二叉查找树