Java中的UTF-16到ASCII转换
一直忽略它，我目前正在强迫自己学习更多关于Java中的unicode。 关于将UTF-16字符串转换为8位ASCII，我需要做一些练习。 有人可以请教我如何用Java做到这一点？ 我知道你不能用ASCII代表所有可能的unicode值，所以在这种情况下我想要一个超过0xFF的代码只是被添加（坏的数据也应该只是静默添加）。
谢谢！
这个怎么样：
String input = ... // my UTF-16 string StringBuilder sb = new StringBuilder(input.length()); for (int i = 0; i < input.length(); i++) { char ch = input.charAt(i); if (ch <= 0xFF) { sb.append(ch); } } byte[] ascii = sb.toString().getBytes("ISO-8859-1"); // aka LATIN-1 这可能不是对大字符串进行此转换的最有效方法，因为我们将字符复制两次。 但是，它具有直截了当的优点。
顺便说一句，严格来说，没有像8位ASCII这样的字符集。 ASCII是一个7位字符集。 LATIN-1是最接近“8位ASCII”字符集的东西（Unicode的块0等同于LATIN-1）所以我假设这就是你的意思。
编辑：根据问题的更新，解决方案更简单：
String input = ... // my UTF-16 string byte[] ascii = new byte[input.length()]; for (int i = 0; i < input.length(); i++) { ascii[i] = (byte) input.charAt(i); }
该解决方案更有效。 由于我们现在知道要多少字节，我们可以预先分配字节数组并复制（截断的）字符，而不使用StringBuilder作为中间缓冲区。
但是，我不相信以这种方式处理不良数据是明智的。
编辑2：还有一个模糊不清的“陷阱”。 Unicode实际上将代码点（字符）定义为“大致21位”值... 0x000000到0x10FFFF ...并使用代理来表示代码> 0x00FFFF。 换句话说，Unicode代码点> 0x00FFFF实际上以UTF-16表示为两个“字符”。 我的答案或任何其他人都没有考虑到这一点（诚然是深奥的）。 事实上，在Java中处理代码点> 0x00FFFF一般来说相当棘手。 这源于'char'是16位类型而String是根据'char'定义的事实。
编辑3：对于处理不转换为ASCII的意外字符，可能更合理的解决方案是用标准替换字符替换它们：
String input = ... // my UTF-16 string byte[] ascii = new byte[input.length()]; for (int i = 0; i < input.length(); i++) { char ch = input.charAt(i); ascii[i] = (ch <= 0xFF) ? (byte) ch : (byte) '?'; }
您可以使用java.nio来获得简单的解决方案：
// first encode the utf-16 string as a ByteBuffer ByteBuffer bb = Charset.forName("utf-16").encode(CharBuffer.wrap(utf16str)); // then decode those bytes as US-ASCII CharBuffer ascii = Charset.forName("US-ASCII").decode(bb);
Java内部表示UTF-16中的字符串。 如果您正在使用String对象，则可以使用String.getBytes（Charset c）进行编码，您可以在其中指定US-ASCII（可以映射代码点0x00-0x7f）或ISO-8859-1（可以映射）代码点0x00-0xff，可能是“8位ASCII”的意思。
至于添加“坏数据”…… ASCII或ISO-8859-1字符串根本不能代表某个范围之外的值。 我相信getBytes只会删除它无法在目标字符集中表示的字符。
由于这是一个练习，听起来你需要手动实现这个。 您可以将编码（例如UTF-16或ASCII）视为将字节序列与逻辑字符（代码点）匹配的查找表。
Java使用UTF-16字符串，这意味着任何给定的代码点都可以用一个或两个char变量表示。 是否要处理两个char代理项对取决于您认为应用程序遇到它们的可能性（请参阅Character类以检测它们）。 ASCII仅使用八位字节（字节）的前7位，因此有效值范围为0到127. UTF-16对此范围使用相同的值（它们只是更宽）。 这可以通过以下代码确认：
Charset ascii = Charset.forName("US-ASCII"); byte[] buffer = new byte[1]; char[] cbuf = new char[1]; for (int i = 0; i <= 127; i++) { buffer[0] = (byte) i; cbuf[0] = (char) i; String decoded = new String(buffer, ascii); String utf16String = new String(cbuf); if (!utf16String.equals(decoded)) { throw new IllegalStateException(); } System.out.print(utf16String); } System.out.println("\nOK");
因此，您可以通过将char转换为byte来将UTF-16转换为ASCII。
您可以在此处阅读有关Java字符编码的更多信息