- html - 出于某种原因,IE8 对我的 Sass 文件中继承的 html5 CSS 不友好?
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景?
我有一个包含以下内容的文本文件:
🔴🔴🔴🔴🔴\n==================\0No. 4♨ ==\n📌 \n✅IHappy Holi\n✅Ground Floor or Second Floor\n9910080224\nemailaddress@gmail.com
我有一个在服务器中运行的Python代码来查找我想要与文本一起传递的索引,以便在客户端上突出显示。以下是相关代码:
import re
f = open('data.json', 'r')
text = f.readline().strip().decode('UTF-8').encode('UTF-8')
f.close()
for m in re.finditer(r'emailaddress', text, flags=re.IGNORECASE):
s = m.start()
e = m.end()
print s, e
print text[s:e]
输出为:
123 135
emailaddress
现在在客户端,我有java代码(在android上)。然而这些索引根本不起作用。
public class HelloWorld {
public static void main(String[] args) {
String text = "🔴🔴🔴🔴🔴\n==================\0No. 4♨ ==\n📌 \n✅IHappy Holi\n✅Ground Floor or Second Floor\n9910080224\nemailaddress@gmail.com";
System.out.println(text.substring(**115**));
}
}
输出是:
l.com
我确信我在字符串编码中犯了一些错误。有人可以帮我吗?
最佳答案
Python 端使用 UTF-8 编码数据(大小不同),Java 代码使用 UTF-16 codeunits *。其中一个的索引不会映射到另一个。
在 Python 2.7 UCS-2 构建(与 Java 一样使用 UTF-16 代理项对)中将索引应用到示例字符串(作为 Unicode 字符串并编码为 UTF-8)时,您会发现问题:
>>> u"🔴🔴🔴🔴🔴\n==================\0No. 4♨ ==\n📌 \n✅IHappy Holi\n✅Ground Floor or Second Floor\n9910080224\nemailaddress@gmail.com"[115:]
u'l.com'
>>> u"🔴🔴🔴🔴🔴\n==================\0No. 4♨ ==\n📌 \n✅IHappy Holi\n✅Ground Floor or Second Floor\n9910080224\nemailaddress@gmail.com".encode('utf8')[115:]
'\nemailaddress@gmail.com'
UTF-8 将 Unicode 代码点编码为每个代码点 1 和 4 个代码单元;使用多少个代码单元取决于文本:
>>> len(u'abc'.encode('utf8'))
3
>>> len(u'åßç'.encode('utf8'))
6
在将 Unicode 解码为内部 UTF-16 表示形式时(就像 Java 所做的那样,以及具有默认窄 UCS-2 构建的 Python 2.7),大多数字符仅使用一个代码单元,而 BMP 之外的字符(例如表情符号)则使用2:
>>> u"🔴📌✅"
u'\U0001f534\U0001f4cc\u2705'
>>> len(u"🔴📌✅")
5
>>> u"🔴📌✅".encode('utf8')
'\xf0\x9f\x94\xb4\xf0\x9f\x93\x8c\xe2\x9c\x85'
>>> len(u"🔴📌✅".encode('utf8'))
11
在 Python 中对 Unicode 值运行正则表达式(例如从 UTF-8 解码),或者更改 Java 代码以对 UTF-8 字节而不是 UTF-16 代码单元进行操作。
如果您在 Python 中使用 Unicode,请考虑到您还可以使用 UCS-4 作为 Unicode 代码点构建 Python 二进制文件;你永远不会看到代理,并且 Python 中字符串的长度将与 Java 表示的长度不同。 Python 3.3 及更高版本使用 flexible storage其中内部表示永远不会使用代理,而是进行缩放以满足每个单独字符串的要求。
在这种情况下,您可能需要使用 JSR-204 methods访问 Java 端的代码点;我怀疑String.offsetByCodePoints()
在这里会很有帮助,但我不是 Java 开发人员。
您可能想温习一下 Unicode 和编解码器;我建议您阅读:
Pragmatic Unicode作者:内德·巴切尔德
* Java 的 String 类型使用 UTF-16 字,每个代码单元 2 个字节。对于 BMP 之外的字符,这意味着每个字符使用 surrogate pairs 两个代码单元。 .
关于java - python 中的 utf-8 字符串索引与 java 不兼容,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/28858212/
如何使用 SPListCollection.Add(String, String, String, String, Int32, String, SPListTemplate.QuickLaunchO
我刚刚开始使用 C++ 并且对 C# 有一些经验,所以我有一些一般的编程经验。然而,似乎我马上就被击落了。我试过在谷歌上寻找,以免浪费任何人的时间,但没有结果。 int main(int argc,
这个问题已经有答案了: In Java 8 how do I transform a Map to another Map using a lambda? (8 个回答) Convert a Map>
我正在使用 node + typescript 和集成的 swagger 进行 API 调用。我 Swagger 提出以下要求 http://localhost:3033/employees/sear
我是 C++ 容器模板的新手。我收集了一些记录。每条记录都有一个唯一的名称,以及一个字段/值对列表。将按名称访问记录。字段/值对的顺序很重要。因此我设计如下: typedef string
我需要这两种方法,但j2me没有,我找到了一个replaceall();但这是 replaceall(string,string,string); 第二个方法是SringBuffer但在j2me中它没
If string is an alias of String in the .net framework为什么会发生这种情况,我应该如何解释它: type JustAString = string
我有两个列表(或字符串):一个大,另一个小。 我想检查较大的(A)是否包含小的(B)。 我的期望如下: 案例 1. B 是 A 的子集 A = [1,2,3] B = [1,2] contains(A
我有一个似乎无法解决的小问题。 这里...我有一个像这样创建的输入... var input = $(''); 如果我这样做......一切都很好 $(this).append(input); 如果我
我有以下代码片段 string[] lines = objects.Split(new string[] { "\r\n", "\n" }, StringSplitOptions.No
这可能真的很简单,但我已经坚持了一段时间了。 我正在尝试输出一个字符串,然后输出一个带有两位小数的 double ,后跟另一个字符串,这是我的代码。 System.out.printf("成本:%.2
以下是 Cloud Firestore 列表查询中的示例之一 citiesRef.where("state", ">=", "CA").where("state", "= 字符串,我们在Stack O
我正在尝试检查一个字符串是否包含在另一个字符串中。后面的代码非常简单。我怎样才能在 jquery 中做到这一点? function deleteRow(locName, locID) { if
这个问题在这里已经有了答案: How to implement big int in C++ (14 个答案) 关闭 9 年前。 我有 2 个字符串,都只包含数字。这些数字大于 uint64_t 的
我有一个带有自定义转换器的 Dozer 映射: com.xyz.Customer com.xyz.CustomerDAO customerName
这个问题在这里已经有了答案: How do I compare strings in Java? (23 个回答) 关闭 6 年前。 我想了解字符串池的工作原理以及一个字符串等于另一个字符串的规则是
我已阅读 this问题和其他一些问题。但它们与我的问题有些无关 对于 UILabel 如果你不指定 ? 或 ! 你会得到这样的错误: @IBOutlet property has non-option
这两种方法中哪一种在理论上更快,为什么? (指向字符串的指针必须是常量。) destination[count] 和 *destination++ 之间的确切区别是什么? destination[co
This question already has answers here: Closed 11 years ago. Possible Duplicates: Is String.Format a
我有一个Stream一个文件的,现在我想将相同的单词组合成 Map这很重要,这个词在 Stream 中出现的频率. 我知道我必须使用 collect(Collectors.groupingBy(..)
我是一名优秀的程序员,十分优秀!