最近一段時(shí)間,因?yàn)檎谘芯咳臋z索,所以遇到了很多問(wèn)題。首先就是怎樣對(duì)文章進(jìn)行差別處理,這種差別在中文中尤其明顯,例如:標(biāo)點(diǎn),數(shù)字、字母的全半角問(wèn)題等。
我在網(wǎng)上查找了一些關(guān)于全半角轉(zhuǎn)換的代碼,但可惜只有C#(因?yàn)檎麄€(gè)系統(tǒng)需要考慮移植的問(wèn)題,所以計(jì)劃用JAVA實(shí)現(xiàn)),不過(guò),有總比沒(méi)有好,仔細(xì)研究了一下算法,感覺(jué)用JAVA實(shí)現(xiàn)也很簡(jiǎn)單,所以就產(chǎn)生今天這篇文檔,希望可以為今后的工作提供參考。
進(jìn)入主題>>
1、首先,需要知道的是中文編碼的種類,有:GB2312 、GBK、Unicode、UTF8、BIG5等?,F(xiàn)在大多數(shù)的應(yīng)用軟件都采用Unicode編碼,在JAVA的內(nèi)部也是如此。所以關(guān)于上述問(wèn)題,只需要對(duì)字符的Unicode編碼進(jìn)行一個(gè)相應(yīng)的處理就可以解決。
2、下面說(shuō)明一下Unicode編碼,該編碼采用雙字節(jié)編碼方式,對(duì)所有字符,都采用2個(gè)字節(jié)編碼,即4byte,這點(diǎn)很重要,我們只需要對(duì)這4byte進(jìn)行處理就可以完成相應(yīng)字符的轉(zhuǎn)換了。另外在Unicode編碼中,標(biāo)點(diǎn)、數(shù)字、字母的編碼與漢字的編碼在最高位會(huì)有明顯區(qū)別。有興趣可以參看Unicode 編碼表
3、關(guān)于全角轉(zhuǎn)半角的問(wèn)題,在Unicode中,標(biāo)點(diǎn)、數(shù)字、字母的半角編碼最高位均為0,它們的全角編碼與半角編碼的第三位相差32h。
根據(jù)上面的結(jié)論,實(shí)現(xiàn)的全角轉(zhuǎn)半角的JAVA代碼如下,至于半角轉(zhuǎn)全角,加變減就成了:
public class change {
public static void main(String[] args) {
String QJstr="hello!! 全角轉(zhuǎn)換,DAO";
String result=SBCchange(QJstr);
System.out.println(QJstr+"\n"+result);
}
public static final String SBCchange(String QJstr)
{
String outStr="";
String Tstr="";
byte[] b=null;
for(int i=0;i<QJstr.length();i++)
{
try
{
Tstr=QJstr.substring(i,i+1);
b=Tstr.getBytes("unicode");
}
catch(java.io.UnsupportedEncodingException e)
{
e.printStackTrace();
}
if (b[3]==-1)
{
b[2]=(byte)(b[2]+32);
b[3]=0;
try
{
outStr=outStr+new String(b,"unicode");
}
catch(java.io.UnsupportedEncodingException e)
{
e.printStackTrace();
}
}else outStr=outStr+Tstr;
}
return outStr;
}
}
原帖來(lái)自于網(wǎng)易社
另外感覺(jué)C#與JAVA在字符處理方面的差別比較大,不知道是不是我的理解有問(wèn)題,改天得好好看看。
至于其它編碼,以后有時(shí)間再想吧,腦子有點(diǎn)疼了。。。
相關(guān)鏈接::
聯(lián)系客服