Unicode de conversion de chaîne de caractères en Java

Je suis la construction d'une langue, un jouet de la langue. La syntaxe \#0061 est censé convertir le format Unicode d'un caractère:

String temp = yytext().subtring(2);

Puis après ça, essayez d'ajouter des '\u' à la chaîne, j'ai remarqué qu'a généré l'erreur.

J'ai aussi essayé de "\\" + "u" + temp; cette façon de ne pas faire de conversion.

Je suis fondamentalement d'essayer de convertir Unicode d'un caractère en ne proposant que des '0061' à une méthode d'aide.

  • Notez que 16 bits (4 chiffres hexadécimaux) n'est pas suffisant pour représenter tous les caractères Unicode. En java "\u1234" correspond à un point de code unité en UTF-16, qui n'est pas le même comme un personnage.
  • Addendum: En fait c'est la java de type de données char que les cartes de code UTF-16 point unités, et non pas réelles des caractères Unicode.
InformationsquelleAutor ferronrsmith | 2009-12-20
  1. 11

    Bande des " # " et l'utilisation Integer.parseInt("0061", 16) pour convertir les chiffres hexadécimaux pour un int. Alors jetez un char.

    (Si vous l'aviez mis en œuvre le lexer à la main, l'sinon serait de faire la conversion à la volée comme votre analyseur lexical correspond à l'unicode littérale. Mais en relisant la question, je vois que vous êtes à l'aide d'un générateur d'analyseur lexical ... bonne initiative!)

    • Juste par curiosité: comment avez-vous spot qu'il est à l'aide d'un analyseur lexical?
    • En raison de yytext, lex variable spécifique
    • C'est vrai Pascal
    InformationsquelleAutor Stephen C
  2. 2

    je suis fondamentalement d'essayer de convertir
    unicode d'un caractère en fournissant
    seulement "0061' à une méthode d'aide.

    char fromUnicode(String codePoint) {
  return (char)  Integer.parseInt(codePoint, 16);
}

    Vous avez besoin pour gérer les mauvaises entrées et tels, mais qui va travailler autrement.

    InformationsquelleAutor danben
  3. 2

    Vous avez besoin de convertir le particulier codepoint à un char. Vous pouvez le faire avec un peu d'aide de regex:

    String string = "blah #0061 blah";

Matcher matcher = Pattern.compile("\\#((?i)[0-9a-f]{4})").matcher(string);
while (matcher.find()) {
    int codepoint = Integer.valueOf(matcher.group(1), 16);
    string = string.replaceAll(matcher.group(0), String.valueOf((char) codepoint));
}

System.out.println(string); //blah a blah

    Modifier que par les commentaires, si c'est un seul jeton, puis il suffit de faire:

    String string = "0061";
char c = (char) Integer.parseInt(string, 16);
System.out.println(c); //a
    • Hum ... vous ne voulez pas mettre en œuvre un analyseur lexicale à l'aide de Java expression régulière pattern matching.
    • Point valide, j'ai mis à jour la réponse en conséquence.
    • J'ai besoin de quelque chose comme le premier exemple que vous avez posté. J'ai couru le code motif des modifications que j'ai besoin d'eux cependant la ReplaceAll ne remplace rien. La chaîne est la même que la chaîne d'origine 🙁
    • appuyez sur Ask Question bouton en haut à droite de poser une question sur lequel vous souhaitez obtenir des réponses.
    InformationsquelleAutor BalusC
  4. 0

    \uXXXX est une séquence d'échappement. Avant l'exécution, il a déjà été converti en le caractère réel de la valeur, ce n'est pas "évalué" de toute façon au moment de l'exécution.

    Ce que vous voulez probablement à faire est de définir une cartographie de votre #XXXX syntaxe de points de code Unicode et de les jeter à char.

    InformationsquelleAutor Kevin Montrose