java - java和mysql中相同字符串的不同unicode

Question

据我所知，我知道 unicode 字符意味着每个字母都有一个唯一的代码。

在我的数据库中，我设置了 utl8。

这里，我在java中直接将一个字符串(ఉత్తరప్రదేశ్)保存到数据库中，然后保存为

ఉత్తరప
్రదేశ్ 

但是我使用

保存在数据库中的相同字符串

escapeUnicode(StringEscapeUtils.unescapeHtml("here string"));


public String escapeUnicode(String input) {
   StringBuilder b = new StringBuilder(input.length());
   Formatter f = new Formatter(b);
    for (char c : input.toCharArray()) {
      if (c < 128) {
        b.append(c);
      } else {
        f.format("\\u%04x", (int) c);
      }
     }
   return b.toString();
}

它正在生成 unicode 为

\u0c09\u0c24\u0c4d\u0c24\u0c30\u0c2a\u0c4d\u0c30\u0c26\u0c47\u0c36\u0c4d

两者都在浏览器中正确显示。为什么它们都生成不同的 unicode？提前致谢..

Answer 1

那些不是不同的数字……

• 3081 = 0c09 = ఉ = 泰卢固语字母 U
• 3108 = 0c24 = త = 泰卢固语字母 TA
• 3149 = 0c4d = ్ = TELUGU SIGN VIRAMA

……等等。

表示相同 Unicode code point 的两种不同方式.

第一个是十进制数(以 10 为底)。第二个是 hexadecimal数字(以 16 为底)。

当使用类似 Formatter 的类时，有时它有助于阅读文档。然后您可能会明白为什么要将 f.format("\\u%04x" 粘贴到您的代码中。

提示:如果您有 Mac，请下载 UnicodeChecker应用程序查看 Unicode 中定义的每个字符的十进制和十六进制数字.