java - 如何将 UTF-8 文字转换为其 UTF-8 字符？

Question

我有一堆以 UTF-8 编码的文本文件。文件内的文本如下所示:\x6c\x69b/\x62\x2f\x6d\x69nd/m\x61x\x2e\x70h\x70。

我已复制所有这些文本文件并将它们放入目录 /convert/ 中。

我需要读取每个文件并将编码的文字转换为字符，然后保存文件。 文件名.converted.txt

执行此操作最明智的方法是什么？我可以做什么来转换为新文本？是否有一个函数可以处理 Unicode 文本以在文字类型和字符类型之间进行转换？我应该为此使用不同的编程语言吗？

这就是我现在所拥有的:

import java.io.BufferedWriter;
import java.io.File;
import java.io.FileWriter;

public class decode {
    public static void main(String args[]) {
        File directory = new File("C:/convert/");
        String[] files = directory.list();
        boolean success = false;
        for (String file : files) {
            System.out.println("Processing \"" + file + "\"");

            //TODO read each file and convert them into characters
            success = true;

            if (success) {
                System.out.println("Successfully converted \"" + file + "\"");
            } else {
                System.out.println("Failed to convert \"" + file + "\"");
            }

            //save file
            if (success) {
                try {
                    FileWriter open = new FileWriter("C:/convert/" + file + ".converted.txt");
                    BufferedWriter write = new BufferedWriter(open);
                    write.write("TODO: write converted text into file");
                    write.close();
                    System.out.println("Successfully saved \"" + file + "\" conversion.");
                } catch (Exception e) {
                    e.printStackTrace();
                }
            }
        }
    }
}

Answer 1

(看起来您的意思有些困惑 - 这个答案假设输入文件完全是 ASCII 格式，并使用“\x”对不在 ASCII 范围内的任何字节进行十六进制编码。)

在我看来，UTF-8 部分实际上是无关紧要的。您可以将其视为不透明的二进制数据进行输出。假设输入文件完全是 ASCII:

• 以文本形式打开输入文件(例如，使用包含在 InputStreamReader 中并指定“US-ASCII”编码的 FileInputStream)
• 以二进制形式打开输出文件(例如使用 FileOutputStream)
• 读取输入中的每个字符
• 是“\”吗？
  • 如果不是，则将字符的 ASCII 值写入输出流(只需从 char 到 byte 的大小写)
  • 下一个角色是什么？
  • 如果是“x”，则读取接下来的两个字符，将它们从十六进制转换为字节(有很多代码可以完成这部分)，然后将该字节写入输出流
  • 如果是“\”，则将“\”的 ASCII 值写入输出流
  • 否则，可能会抛出指示失败的异常
• 循环直到用完输入文件
• 关闭finally block 中的两个文件

然后您将拥有一个“正常”UTF-8 文件，任何支持 UTF-8 的文本编辑器都应该可以读取该文件。