如何处理字符当中包含UTF-8编码的中文

Question

判断一下那些是中文,去除不是的就好了就好了呗，具体什么编码 你去看实际情况 转一下就好了 public class StringUtilTest
{
 public static boolean isChinese(char c) {  
  
        Character.UnicodeBlock ub = Character.UnicodeBlock.of(c);  
  
        if (ub == Character.UnicodeBlock.CJK_UNIFIED_IDEOGRAPHS  
  
                || ub == Character.UnicodeBlock.CJK_COMPATIBILITY_IDEOGRAPHS  
  
                || ub == Character.UnicodeBlock.CJK_UNIFIED_IDEOGRAPHS_EXTENSION_A  
  
                || ub == Character.UnicodeBlock.GENERAL_PUNCTUATION  
  
                || ub == Character.UnicodeBlock.CJK_SYMBOLS_AND_PUNCTUATION  
  
                || ub == Character.UnicodeBlock.HALFWIDTH_AND_FULLWIDTH_FORMS) {  
  
            return true;  
  
        }  
  
        return false;  
  
    }  
  
 public static String getChineseFromStr(String strName) {  
  
        char[] ch = strName.toCharArray();  
        String result = "";
        for (int i = 0; i < ch.length; i++) {  
  
            char c = ch[i];  
  
            //如果有一个非中文，则返回错误
            if (isChinese(c) == true) {  
 
                result += c; 
            }  
        } 
        return result;
    }
public static void main(String[] args) 
    {

System.out.println(getChineseFromStr("快&#20048;的中国人"));
}
}
结果输出：快的中国人

Answer 1

这个是Unicode字符实体引用。不是UTF-8编码

Answer 2

楼主参考：import java.io.UnsupportedEncodingException;
import java.util.ArrayList;
import java.util.List;
import java.util.regex.Matcher;
import java.util.regex.Pattern;public class ChangeUnicodeString {
public static void main(String[] args) {
String s = "快&#20048;的中国人";
String resultString = getNewString(s);
System.out.println("original sting is " + s);
System.out.println("after changing it is " + resultString);
} /**
 * 把含有unicode编码的字符串转成汉字。
 * @param s
 * @return 转换后的字符串。
 */
public static String getNewString(String s) {
//----------------- 定义正则匹配模式。
String regexString = "&#\\d{1,5};";// 代表unicode字符串 的正则表达式。
Pattern pattern = Pattern.compile(regexString);
Matcher matcher = pattern.matcher(s); List<int[]> list = new ArrayList<int[]>();// 用于保存所有这种字符串的首位位置。
// ----------------- 遍历字符串，确定所有的unicode字串的位置，以整数数组形式放入List里。
while (matcher.find()) {
int[] intPosition = new int[2];// 记录起始及结束位置。
intPosition[0] = matcher.start();
intPosition[1] = matcher.end();
list.add(intPosition);
}
// ----------------- 开始转换
String result = "";// 保村最终结果。
int endP = s.length();
for (int i = list.size() - 1; i >= 0; i--) {// 循环替换所有的unicode 字符串为汉字。 int[] intP = list.get(i);
String temp = s.substring(intP[0], intP[1]);
String temp1 = s.substring(intP[1], endP);
String change = "";
change = changeString(temp);// 调用方法把"&#20048;" 转换成 "乐"....
result = change + temp1 + result;// 形成新的字符串。
endP = intP[0];
}
result = s.subSequence(0, endP) + result;
return result;
} /**
 * 把类似 "&#20048;"字符串， 转换成 "乐"等汉字形式。
 * 
 * @param toBechanged
 * @return 转换后的字符串。
 */
public static String changeString(String toBechanged) {
String result = null;
String s1 = toBechanged.substring(2, toBechanged.length() - 1);// 去掉"&#"和";";
int intS1 = Integer.parseInt(s1);// 转成整数
// ----------- 把这个代表一个unicode 字符的整数，放入一个长度为2的字节数组。
byte[] b = new byte[2];
b[1] = (byte) (intS1 & 0xff);
b[0] = (byte) ((intS1 >>> 8) & 0xff);
try {
result = new String(b, "unicode");// 形成字符串。
} catch (UnsupportedEncodingException uee) {
uee.printStackTrace();
}
return result;
}
}

Answer 3

        StringBuilder rs = new StringBuilder();
        String str = "快&#20048;的中国人";
        Pattern p = Pattern.compile("&#\\d{5};");
        Matcher m = p.matcher(str);
        int index = 0;
        while (m.find()) {
            rs.append(str.substring(index, m.start()));
            String g = m.group();
            int d = Integer.parseInt(g.substring(2, g.length() - 1));
            rs.append(new String(new byte[]{(byte) (d / 256), (byte) (d % 256)}, "utf-16"));
            index = m.end();
        }
        rs.append(str.substring(index));
        System.out.println(rs);

Answer 4

谢谢各位..
最终是用的apache的common包. 因为项目其他地方也一直用这个包.System.out.println(org.apache.commons.lang.StringEscapeUtils.StringEscapeUtils.unescapeHtml("快&#20048;的中国人"));