Scala - 在没有 Apache 的情况下转义 Unicode 字符串

Question

我有一个字符串“b\u00f4lovar”，我想知道是否可以在不使用 Commons-lang 的情况下取消转义。它可以工作，但我在某些环境中遇到问题，我想将它最小化(即:它可以在我的机器上工作，但不能在生产环境中工作)。

StringEscapeUtils.unescapeJava(variables.getOrElse("name", ""))

如果没有 apache 库，我如何取消转义？

提前致谢。

Answer 1

只有 Unicode 转义

如果您想要只格式\u0000的序列进行转义，那么用一个正则表达式替换就很简单了:

def unescapeUnicode(str: String): String =
  """\\u+([0-9a-fA-F]{4})""".r.replaceAllIn(str,
    m => Integer.parseInt(m.group(1), 16).toChar match {
      case '\\' => """\\"""
      case '$' => """\$"""
      case c => c.toString
    })

结果是

scala> unescapeUnicode("b\\u00f4lovar \\u30B7")
res1: String = bôlovar シ

我们必须分别处理字符 $ 和 \，因为它们被 java.util.regex.Matcher.appendReplacement 视为特殊字符> 方法:

def wrongUnescape(str: String): String =
  """\\u([0-9a-fA-F]{4})""".r.replaceAllIn(str,
    m => Integer.parseInt(m.group(1), 16).toChar.toString)

scala> wrongUnescape("\\u00" + Integer.toString('$', 16))
java.lang.IllegalArgumentException: Illegal group reference: group index is missing
  at java.util.regex.Matcher.appendReplacement(Matcher.java:819)
  ... 46 elided

scala> wrongUnescape("\\u00" + Integer.toString('\\', 16))
java.lang.IllegalArgumentException: character to be escaped is missing
   at java.util.regex.Matcher.appendReplacement(Matcher.java:809)
   ... 46 elided

所有转义字符

Unicode 字符转义有点特殊:它们不是字符串文字的一部分，而是程序代码的一部分。有一个单独的阶段用字符替换 unicode 转义符:

scala> Integer.toString('a', 16)
res2: String = 61

scala> val \u0061 = "foo"
a: String = foo

scala> // first \u005c is replaced with a backslash, and then \t is replaced with a tab.
scala> "\u005ct"
res3: String = "    " 

Scala 库中有一个函数StringContext.treatEscapes，它支持所有normal escapes。来自语言规范。

所以如果你想支持 unicode 转义和所有正常的 Scala 转义，你可以按顺序取消转义:

def unescape(str: String): String =
  StringContext.treatEscapes(unescapeUnicode(str))

scala> unescape("\\u0061\\n\\u0062")
res4: String =
a
b

scala> unescape("\\u005ct")
res5: String = "    "