为什么可以'；我在Java中的字符数组中存储日文UTF-8字符吗？

我有一个字符串“1234567（Asics(アシックスワーキング) )". 它有unicode字符，有些是ASCII的一部分，有些不是。java所做的是，它用一个字节表示ASCII字符，用两个字节表示其他unicode字符

我的程序的某些部分无法处理这种格式的字符串，所以我想把这些值编码成转义序列

那么绳子呢

“1234567（Asics(アシックスワーキング) )"

将映射到

“\u0031\u0032\u0033\u0034\u0035\u0036\u0037\u0028\u0041\u0073\u0069\u0063\u0073\u0020\u0028\u30a2\u30b7\u30c3\u30af\u30b9\u30ef\u30fc\u30ad\u30f3\u30b0\u0029\u0029\u0020\u0029”

我编写此函数就是为了做到这一点：-

public static String convertToEscaped(String utf8) throws java.lang.Exception
    {
    char[] str = utf8.toCharArray();
    StringBuilder unicodeStringBuilder = new StringBuilder();
    for(int i = 0; i < str.length; i++){
    char charValue = str[i];
    int intValue = (int) charValue;
    String hexValue = Integer.toHexString(intValue);
    unicodeStringBuilder.append("\\u");
    for (int length = hexValue.length(); length < 4; length++) {
        unicodeStringBuilder.append("0");
    }
    unicodeStringBuilder.append(hexValue);
    }
    return unicodeStringBuilder.toString();
    }

输出： \u3132\u3334\u3536\u3738\u2841\u7369\u6373\u2028\uffffe282\uffffa1e3\uffff81b7\uffffe283\uffff82e3\uffff81af\uffffe282\uffffb8e3\uffff82af\uffffe283\uffffbbe3\uffff81ad\uffffe283\uffff81b0\U292

---

但这也是错误的，因为我正在将两个单字节字符合并为一个。我能做些什么来克服这个问题？

正如他们在上面所评论的，java中字符串的内部表示是utf-16。找到了吗

Character.codePointAt（）和Integer.toHexString（）在您的案例中非常有用

将参数重命名为just theString，还从原始方法中删除了throws Exception子句，因为没有抛出异常。（通常抛出这些泛型异常是不好的做法）

public静态字符串convertToEscaped（字符串字符串）{
char[]charArr=字符串toCharArray（）；
StringBuilder sb=新的StringBuilder（）；
对于（int i=0；i

我不知道其他代码的具体要求。但我的建议是不要重新发明轮子，不要使用API的内置编码功能

例如，使用

StandardCharsets.UTF_16BE

或

StandardCharsets.UTF_16LE

调用

getBytes

，根据所需的尾数：

String s = "1234567(Asics (アシックスワーキング) )";

byte[] utf8 = s.getBytes(StandardCharsets.UTF_8);
byte[] utf16 = s.getBytes(StandardCharsets.UTF_16BE); // high order byte first

System.out.println(s.length()); // 28
System.out.println(utf8.length); // 48
System.out.println(utf16.length); // 56 (2 bytes for each char)

---

“java所做的是，ASCII字符需要一个字节，其他unicode字符需要两个字节。"你这么说是什么意思？每个字符都应该用一个

char

表示，在Java中它是16位的。并非所有情况都是这样。请参阅：Java

char

s仍然使用16位Unicode。这个答案只是说a

ObjectOutputStream

在内部使用不同的编码，UTF-8可以使用超过1位的编码但是如果你在做I/O，你通常可以指定你想要的编码。那么为什么字节是[]编码出错？@jornverne是的，当你运行它时，默认值是你的默认值；当我运行它时，默认值是我的默认值。虽然这在20世纪90年代可能很有用，但现在应该是一个非常谨慎和罕见的决定，正如你指出的，这就是为什么它不适合提问者。java中字符串的内部表示是utf-16“是真的，但内部是内部，现在只有在API级别才是真的。一些实现通过内部使用时间换取空间，并在用户代码需要时转换为UTF-16。或者换句话说，Java使用UTF-16，但JVM可能不使用。我尝试了UTF-16，它也可以在外部工作（）但在我的程序中，它将这些日文字符转换为4字节。不知道为什么会发生这种情况：/也许字符串是其他形式的，我只是记录下来看看里面有什么。@DhruvChandhok那你是怎么得到字符串的？我只是从你的示例中复制并粘贴了它。@DhruvChandhok确实有些字符可以占用4字节对于UTF-16，我假设您没有使用它们，因为您自己正在将每个字符转换为16位。您也可以通过

Charset.forName（“UTF-32BE”）使用UTF-32BE

，这将使所有字符都有4个字节。问题在于如何填充字符串。我尝试对上面的字符串进行了硬编码，结果成功了。不过，在打印字符串时，“1234567（Asics(アシックスワーキング) )" 是打印的，它可能是其他形式。调查它，以前从未遇到过此问题。感谢您的帮助：）

public static String convertToEscaped(String theString) {
    char[] charArr = theString.toCharArray();

    StringBuilder sb = new StringBuilder();
    for (int i = 0; i < charArr.length; i++) {
        String hexString = Integer.toHexString(Character.codePointAt(charArr, i));

        sb.append("\\u");

        if (hexString.length() == 2) {
            sb.append("00");
        }
        sb.append(hexString);
    }
    return sb.toString();
 }

String s = "1234567(Asics (アシックスワーキング) )";

byte[] utf8 = s.getBytes(StandardCharsets.UTF_8);
byte[] utf16 = s.getBytes(StandardCharsets.UTF_16BE); // high order byte first

System.out.println(s.length()); // 28
System.out.println(utf8.length); // 48
System.out.println(utf16.length); // 56 (2 bytes for each char)