java - 处理带有八进制 ASCII 代码的字符串(在 Java 中)

Question

我在处理包含如下字符串的文本文件时遇到了一些问题: Grandchamp-le-Ch\303\242teau

顺便说一句，这是维基百科页面的名称。我认为这两个 ascii 代表“â”。

有没有什么软件可以轻松将上面的字符串转换成 格兰尚城堡或者可能 Grandchamp-le-Ch%C3%A2teau

我更喜欢 java absed 解决方案，但任何其他想法也一样!非常感谢任何建议或提示!

Answer 1

这是实现您的目标的一种稍微有点古怪的方法:

final String name = "Grandchamp-le-Ch\\303\\242teau";
final Matcher m = Pattern.compile("\\\\(\\d{3})").matcher(name);
final StringBuffer out = new StringBuffer();
while (m.find()) m.appendReplacement(out, String.valueOf((char)parseInt(m.group(1), 8)));
m.appendTail(out);
final String decoded = new String(out.toString().getBytes(ISO_8859_1), UTF_8);
System.out.println(decoded);

它是如何工作的:

1. 正则表达式匹配八进制字符表示法；
2. 通过将每个这样的八进制表示法替换为数值等于该八进制数的字符来转换原始字符串；
3. 新字符串(现在处于“mojibake”状态)使用单字节编码(任何都可以，但 ISO_8859_1 恰好是标准编码)以字节形式写出；
4. 重新读取字节，现在假设它们是 UTF-8 编码的字符串。

代码将打印出来

Grandchamp-le-Château