Преобразувайте международен низ в \u кодове в java

В случай, че имате нужда от това, за да напишете .properties файл, можете просто да добавите низовете в обект Properties и след това да го запишете във файл. Той ще се погрижи за преобразуването.

има JDK инструменти, изпълнявани чрез командния ред както следва :

native2ascii -encoding utf8 src.txt output.txt

Пример:

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

Ако искате да го използвате във вашето Java приложение, можете да обвиете този команден ред с:

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");

След това прочетете съдържанието на новия файл.

Можете да използвате escapeJavaStyleString от org.apache.commons.lang.StringEscapeUtils.

И аз имах този проблем. Имах текст на португалски с някои специални знаци, но тези знаци вече бяха във формат Unicode (напр.: \u00e3).

Така че искам да конвертирам S\u00e3o в São.

Направих го с помощта на apache commons StringEscapeUtils. Както каза @sorin-sbarnea. Може да се изтегли тук.

Използвайте метода unescapeJava, като този:

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

(Съществува и методът escapeJava, но този поставя уникод символите в низа.)

Ако някой знае решение на чиста Java, моля, кажете ни.

Ето подобрена версия на отговора на 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();

Тази версия избягва всички знаци, които не са ASCII, и работи правилно за ниски Unicode кодови точки като Ä.

Има три части на отговора

1. Вземете Unicode за всеки знак
2. Определете дали е в страницата на кирилица
3. Преобразуване в шестнадесетичен.

За да получите всеки знак, можете да итерирате през низа, като използвате charAt() или toCharArray() методи.

for( char c : s.toCharArray() )

Стойността на char е Unicode стойността.

Cyrillic Unicode знаците са всеки знак в следните диапазони:

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)

Ако е в този диапазон е кирилица. Просто извършете проверка на if. Ако е в диапазона, използвайте Integer.toHexString() и предварете "\\u". Сглобено трябва да изглежда нещо подобно:

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();

Редактиране: вероятно трябва да направите проверката c < 128 и да обърнете телата if и else; вие вероятно трябва да избягвате всичко, което не е ASCII. Вероятно бях твърде буквален в прочита на въпроса ви.

Има инструмент за команден ред, който се доставя с Java, наречен native2ascii. Това преобразува Unicode файлове в ASCII-екранирани файлове. Открих, че това е необходима стъпка за генериране на .properties файлове за локализация.

Apache commons StringEscapeUtils.escapeEcmaScript(String) връща низ с уникод знаци, екранирани с помощта на нотацията \u.

"Art of Beer ???? ????" -> "Art of Beer \u1F3A8 \u1F37A"

Има Java библиотека с отворен код MgntUtils, която има помощна програма, която преобразува низове в unicode последователност и обратно:

result = "Hello World";
result = StringUnicodeEncoderDecoder.encodeStringToUnicodeSequence(result);
System.out.println(result);
result = StringUnicodeEncoderDecoder.decodeUnicodeSequenceToString(result);
System.out.println(result);

Резултатът от този код е:

\u0048\u0065\u006c\u006c\u006f\u0020\u0057\u006f\u0072\u006c\u0064
Hello World

Библиотеката може да бъде намерена в Maven Central или на Github Предлага се като maven артефакт и с източници и javadoc

Ето javadoc за класа StringUnicodeEncoderDecoder

Само някои основни методи за това (вдъхновени от инструмента native2ascii):

/**
 * Encode a String like äöü to \u00e4\u00f6\u00fc
 * 
 * @param text
 * @return
 */
public String native2ascii(String text) {
    if (text == null)
        return text;
    StringBuilder sb = new StringBuilder();
    for (char ch : text.toCharArray()) {
        sb.append(native2ascii(ch));
    }
    return sb.toString();
}

/**
 * Encode a Character like ä to \u00e4
 * 
 * @param ch
 * @return
 */
public String native2ascii(char ch) {
    if (ch > '\u007f') {
        StringBuilder sb = new StringBuilder();
        // write \udddd
        sb.append("\\u");
        StringBuffer hex = new StringBuffer(Integer.toHexString(ch));
        hex.reverse();
        int length = 4 - hex.length();
        for (int j = 0; j < length; j++) {
            hex.append('0');
        }
        for (int j = 0; j < 4; j++) {
            sb.append(hex.charAt(3 - j));
        }
        return sb.toString();
    } else {
        return Character.toString(ch);
    }
}

Вероятно бихте могли да хакнете, ако от този JavaScript код:

/* convert ???? to \uD83D\uDE4C */
function text_to_unicode(string) {
  'use strict';

  function is_whitespace(c) { return 9 === c || 10 === c || 13 === c || 32 === c;  }
  function left_pad(string) { return Array(4).concat(string).join('0').slice(-1 * Math.max(4, string.length)); }

  string = string.split('').map(function(c){ return "\\u" + left_pad(c.charCodeAt(0).toString(16).toUpperCase()); }).join('');

  return string;
}


/* convert \uD83D\uDE4C to ???? */
function unicode_to_text(string) {
  var  prefix = "\\\\u"
     , regex  = new RegExp(prefix + "([\da-f]{4})","ig")
     ; 

  string = string.replace(regex, function(match, backtrace1){
    return String.fromCharCode( parseInt(backtrace1, 16) )
  });

  return string;
}

източник: iCompile - Още едно JavaScript Unicode кодиране/декодиране

това име на тип е Decode/Unescape Unicode. този връзка към сайт онлайн конвертор.