java字符串unicode码点转换为字符

Question

好吧，我觉得这个问题被问了很多次，但我找不到答案。我正在比较由两个不同程序生成的两个不同文件。当然，这两个程序都从相同的数据库查询生成文件。我遇到了以下差异：

s1 = 三星 - 移动 USB 充电器

对比

s2 = 三星\u2013移动USB充电器

如何将 s2 转换为 s1 甚至更好，如何比较两者而不得到有区别吗？在广泛的互联网上的某个地方提到使用 ApacheCommons-lang 的 StringUtils 类，但我找不到任何有用的东西。

Answer 1

生成第一个字符串的程序使用字符替换回退机制以 ASCII 写入文件。第二个是用 Unicode 写入文件。

可以通过使用相同的后备机制以 ASCII 格式创建第二个文件的副本来比较这些文件。

最好的解决方案是修改第一个程序，使其也使用 Unicode。

（第二个文件可能使用 Unicode 以外的其他字符，因为其他一些字符集包括破折号。如果是这样，那么最好的解决方案是在可能的情况下以 Unicode 编写这两个文件。）

Answer 2

您可以使用 Dash_Punctuation 属性折叠所有字符。

此代码将打印 true：

boolean equal = "Samsung \u2013 Mobile USB Chargers"
                    .replaceAll("\\p{Pd}", "-")
                    .equals("Samsung - Mobile USB Chargers");
System.out.println(equal);

请注意，这将适用于具有该属性的所有字符（例如〰 U+3030 WAVY DASH）。具有 Dash_Punctuation (Pd) 属性的字符的完整列表位于 UnicodeData .txt。 Java 6 支持 Unicode 4。有关标点符号的讨论，请参阅第 6 章。