对于超过3.0的Unicode版本，如何将Java字符串转换为xml实体？

要将java字符转换为xml实体，我可以对字符串中的每个字符执行以下操作：

buf.append("&#x"+ Integer.toHexString(c | 0x10000).substring(1) +";");

然而，根据其他stackoverflow问题，这只适用于Unicode 3.0

如果我使用UTF-8读取器读入一个字符串，那么该字符串可能包含通过Unicode 6.0实现的格式的字符（因为根据javadoc，Java7支持Unicode 6.0）

---

一旦我有了那个字符串，我怎么能把它写成xml实体呢？理想情况下，我会使用一些api，随着unicode新版本的推出，这些api将继续工作。

或者您使用的术语不正确，或者这里有很多混淆

和#x

字符参考符号仅指定一个数字码点；它独立于任何读取器或解析器使用的Unicode版本

您的代码实际上只与Unicode 1.x兼容，因为它假定字符的数值小于216。从Unicode 2.0开始，这不是一个正确的假设。一些字符由单个Java

char

表示，而其他字符由两个Java

char

表示（称为）

我不确定什么是“UTF-8阅读器”。A只读取

char

值，不知道UTF-8或任何其他字符集，除了使用A使用UTF-8编码（或特定字符集解码器使用的任何编码）将字节转换为字符

在任何情况下，读取器都不会解析XML

和#x

字符引用符号。为此，必须使用XML解析器

Java已知的Unicode版本不会影响读取器或XML解析器，因为读取器或XML解析器不会以任何方式查阅Unicode数据库。这些字符在解析时仅被视为数值。在任何Unicode版本中，它们是否对应于指定的代码点都不会被考虑

最后，要将字符串写成XML，可以使用：

静态字符串toXML（字符串s）{
格式化程序格式化程序=新格式化程序（）；
int len=s.length（）；
对于（int i=0；i126 | | c=='&'| | c=='）{
格式（&#x%x；”，c）；
}否则{
格式化程序。格式（“%c”，c）；
}
}
返回格式化程序.toString（）；
}

如您所见，没有依赖Unicode版本的代码，因为字符只是数值。每个数值是否为指定的Unicode码点并不相关

---

（我的第一个倾向是使用XMLStreamWriter类，但事实证明，使用非Unicode编码（如ISO-8859-1或US-ASCII）的XMLStreamWriter在Java 1.8.0_05中没有正确地将代理项对作为单字符实体输出。）

或者您使用的术语不正确，或者这里有很多混乱

和#x

字符参考符号仅指定一个数字码点；它独立于任何读取器或解析器使用的Unicode版本

您的代码实际上只与Unicode 1.x兼容，因为它假定字符的数值小于216。从Unicode 2.0开始，这不是一个正确的假设。一些字符由单个Java

char

表示，而其他字符由两个Java

char

表示（称为）

我不确定什么是“UTF-8阅读器”。A只读取

char

值，不知道UTF-8或任何其他字符集，除了使用A使用UTF-8编码（或特定字符集解码器使用的任何编码）将字节转换为字符

在任何情况下，读取器都不会解析XML

和#x

字符引用符号。为此，必须使用XML解析器

Java已知的Unicode版本不会影响读取器或XML解析器，因为读取器或XML解析器不会以任何方式查阅Unicode数据库。这些字符在解析时仅被视为数值。在任何Unicode版本中，它们是否对应于指定的代码点都不会被考虑

最后，要将字符串写成XML，可以使用：

静态字符串toXML（字符串s）{
格式化程序格式化程序=新格式化程序（）；
int len=s.length（）；
对于（int i=0；i126 | | c=='&'| | c=='）{
格式（&#x%x；”，c）；
}否则{
格式化程序。格式（“%c”，c）；
}
}
返回格式化程序.toString（）；
}

如您所见，没有依赖Unicode版本的代码，因为字符只是数值。每个数值是否为指定的Unicode码点并不相关

---

（我的第一个倾向是使用XMLStreamWriter类，但事实证明，使用非Unicode编码（如ISO-8859-1或US-ASCII）的XMLStreamWriter无法正确地将代理项对作为单字符实体输出，如Java 1.8.005）

最初，Java支持Unicode 1.0，将字符长度设为16位，但Unicode 2.0引入了代理字符机制，以支持比16位允许的字符数更多的字符，因此Java字符串变成了UTF-16编码的字符串；这意味着一些字符需要两个Java字符来表示，它们被称为高代理字符和低代理字符

要知道字符串中的哪些字符实际上是高/低代理项对，可以使用

字符
中的实用方法：

Character.isHighSurrogate(myChar); // returns true if myChar is a high surrogate
Character.isLowSurrogate(myChar); // same for low surrogate

Character.isSurrogate(myChar); // just to know if myChar is a surrogate

一旦您知道哪些字符是高代理或低代理，就需要使用以下方法将每对字符转换为unicode码点：

int codePoint = Character.toCodePoint(highSurrogate, lowSurrogate);

因为一段代码胜过千言万语，所以这是一个将xml字符引用替换为非us ascii c的示例方法
int codePoint = Character.toCodePoint(highSurrogate, lowSurrogate);

public static String replaceToCharEntities(String str) {
    StringBuilder result = new StringBuilder(str.length());

    char surrogate = 0;
    for(char c: str.toCharArray()) {

        // if char is a high surrogate, keep it to match it
        // against the next char (low surrogate)
        if(Character.isHighSurrogate(c)) {
            surrogate = c;
            continue;
        }

        // get codePoint
        int codePoint;
        if(surrogate != 0) {
            codePoint = Character.toCodePoint(surrogate, c);
            surrogate = 0;
        } else {
            codePoint = c;
        }

        // decide wether using just a char or a character reference
        if(codePoint < 0x20 || codePoint > 0x7E || codePoint == '<'
                || codePoint == '>' || codePoint == '&' || codePoint == '"'
                || codePoint == '\'') {
            result.append(String.format("&#x%x;", codePoint));
        } else {
            result.append(c);
        }
    }

    return result.toString();
}