Convertir cadena internacional a \ u códigos en java

Question

¿Cómo puedo convertir una cadena internacional (por ejemplo, rusa) a números \u (números unicode)
p. \u041e\u041a para OK?

Answer 1

En caso de que necesite esto para escribir un archivo .properties, puede simplemente agregar las cadenas en un objeto Propiedades y luego guardarlo en un archivo. Cuidará la conversión.

Answer 2

Usted podría utilizar escapeJavaStyleString de org.apache.commons.lang.StringEscapeUtils.

Answer 3

Hay tres partes en la respuesta

1. Obtener el Unicode para cada personaje
2. Determinar si está en el cirílico Página
3. Convertir a hexadecimal.

Para obtener cada carácter puede iterar a través de la cadena utilizando los métodos charAt() o toCharArray().

for(char c : s.toCharArray()) 

El valor de char es el valor Unicode.

Los personajes son Cyrillic Unicode cualquier carácter en las siguientes gamas:

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) 

Si es en este rango es cirílico. Simplemente realice una verificación if. Si está en el rango, use Integer.toHexString() y anteponga "\\u". En su conjunto debe ser algo como esto:

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(); 

---

Editar: probablemente debería hacer el cheque c < 128 y revertir los if y los cuerpos else; que probablemente debe escapar de todo lo que no es ASCII. Probablemente fui demasiado literal al leer tu pregunta.

Answer 4

Hay una herramienta de línea de comandos que se incluye con Java llamados native2ascii. Esto convierte archivos Unicode a archivos escapados de ASCII. Descubrí que este es un paso necesario para generar archivos .properties para la localización.

Answer 5

también he tenido este problema. Tenía un texto en portugués con algunos caracteres especiales, pero estos personajes ya están en formato Unicode (por ejemplo: \u00e3).

así que quiero convertir a S\u00e3oSão.

lo hice uso de los bienes comunes de Apache StringEscapeUtils. Como dijo @ sorin-sbarnea. Se puede descargar here.

Utilice el método unescapeJava, así:

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

(También existe el método escapeJava, pero éste pone los caracteres Unicode en la cadena.)

Si alguien conoce una solución en Java puro, díganos.

Answer 6

hay un JDK tools ejecutado a través de la línea de comandos de la siguiente manera:

native2ascii -encoding utf8 src.txt output.txt 

Ejemplo:

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 

Si desea utilizarlo en la aplicación Java, se puede envolver esta línea de comandos por:

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"); 

Luego leer el contenido del nuevo archivo.

Answer 7

Aquí es una versión mejorada del ArtB's answer:

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(); 

Esta versión se escapa todos los caracteres no ASCII y funciona correctamente para puntos de código Unicode bajas como Ä.

Answer 8

Probablemente se podría piratear si desde este código JavaScript:

/* 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; 
} 

fuente: iCompile - Yet Another JavaScript Unicode Encode/Decode

Answer 9

Commons Apache StringEscapeUtils.escapeEcmaScript(String) devuelve una cadena con caracteres Unicode escapada utilizando la notación \u.

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

Answer 10

Sólo algunos métodos básicos para que (inspirado de la herramienta 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); 
    } 
}