Как преобразовать один символ в символ `char`, заданный набором символов?

Question

Я хочу преобразовать десятичное значение в ascii, и это код возвращает неожиданные результаты. Вот код, который я использую.

public static void main(String[] args) { 
    char ret= (char)146; 
    System.out.println(ret);// returns nothing. 

Я ожидаю, чтобы получить символ одного «'», как на http://www.ascii-code.com/ Любой сталкивался с этим? Благодарю.

Answer 1

Итак, несколько вещей.

Прежде всего странице вы связаны говорит, что это о диапазоне точки кода в вопросе:

выдвинутом Коды ASCII (код символа 128-255)

Есть несколько различных вариантов 8-разрядной таблицы ASCII. Нижеследующая таблица соответствует ISO 8859-1, также называемому ISO Latin-1. Коды 128-159 содержат расширенные символы Microsoft® Windows Latin-1.

Это неверно, или, по крайней мере, для меня, вводящим в заблуждение. ISO 8859-1/Latin-1 does not define code point 146 (и another reference just because). Так что это уже просит неприятностей. Вы можете увидеть это также, если вы делаете преобразование через String:

String s = new String(new byte[] {(byte)146}, "iso-8859-1"); 
System.out.println(s); 

Выходы же «неожиданный» результат. Это появляется, что они на самом деле ссылаются на набор Windows-1252 (он же «Windows Latin-1», но это имя почти полностью устарело в эти дни), который определяет эту кодовую точку как правую одиночную кавычку (для других кодировок которые обеспечивают этот символ на 146 см this list и искать кодировки, которые обеспечивают его на 0x92), и мы можем убедиться в этом, как, например:

String s = new String(new byte[] {(byte)146}, "windows-1252"); 
System.out.println(s); 

так первая ошибка состоит в том, что страница запутанная.

Но большая ошибка заключается в том, что вы не можете делать то, что вы пытаетесь сделать так, как вы это делаете. A char в Java - это кодовая точка UTF-16 (или половина из них, если вы представляете дополнительные символы> 0xFFFF, один char соответствует точке BMP, пара из них или int соответствует всему диапазону, включая дополнительные).

К сожалению, Java действительно не предоставляет много API для односимвольных преобразований. Даже Character не имеет доступных способов конвертировать из кодировки по вашему выбору в UTF-16.

Таким образом, один из вариантов заключается в том, чтобы сделать это через String, как указано в приведенных выше примерах, например.выражать свои кодовые точки в качестве исходного массива byte[] и конвертировать оттуда:

String s = new String(new byte[] {(byte)146}, "windows-1252"); 
System.out.println(s); 
char c = s.charAt(0); 
System.out.println(c); 

Вы могли захватить char снова через s.charAt(0). Обратите внимание, что при этом вы должны помнить о своем наборе символов. Здесь мы знаем, что наша байтовая последовательность действительна для указанной кодировки, и мы знаем, что результат остается только одним , поэтому мы можем это сделать.

Однако вы должны следить за вещами в общем случае. Например, возможно, ваша последовательность байтов и набор символов дают результат, который находится в дополнительном диапазоне символов UTF-16. В этом случае s.charAt(0) будет недостаточным, и вместо этого потребуется s.codePointAt(0), сохраненный в int.

В качестве альтернативы, с теми же оговорками, можно использовать Charset для декодирования, хотя это так же, как неуклюжий, например:

Charset cs = Charset.forName("windows-1252"); 
CharBuffer cb = cs.decode(ByteBuffer.wrap(new byte[] {(byte)146})); 
char c = cb.get(0); 
System.out.println(c); 

Обратите внимание, что я не совсем уверен, как Charset#decode обрабатывает дополнительные символы и может» t действительно тестируйте прямо сейчас (но кто-нибудь, не стесняйтесь звонить).

---

Как и в сторону: В вашем случае, 146 (0x92) отливать непосредственно char соответствует UTF-16 символ «PRIVATE USE ДВА» (see also), и все ставки выключены для того, что вы будете в конечном показывая там. Этот символ равен classified by Unicode as a control character и, кажется, попадает в диапазон символов, зарезервированных для управления терминалом ANSI (хотя AFAIK фактически не используется, но он находится в этом диапазоне независимо). Я бы не удивился, если бы браузеры в некоторых локалях отображали его как правую одиночную кавычку для совместимости, но терминалы сделали с ней что-то странное.

Кроме того, fyi, официальный код UTF-16 для right single quote is 0x2019. Вы можете надежно хранить, что в char, используя это значение, например:

System.out.println((char)0x2019); 

Вы также можете увидеть это для себя, глядя на значение после преобразования из окон-1252:

String s = new String(new byte[] {(byte)146}, "windows-1252"); 
char c = s.charAt(0); 
System.out.printf("0x%x\n", (int)c); // outputs 0x2019 

Или , для полноты:

String s = new String(new byte[] {(byte)146}, "windows-1252"); 
int cp = s.codePointAt(0); 
System.out.printf("0x%x\n", cp); // outputs 0x2019 

Answer 2

На странице, на которую вы ссылаетесь, упоминается, что значения от 160 до 255 соответствуют таблице ISO-8859-1 (aka Latin 1); так как для значений в диапазоне от 128 до 159 они относятся к конкретному варианту Windows Latin 1 (ISO-8859-1 оставляют этот диапазон неопределенным, назначаемым операционной системой).

Java-символы основаны на UTF16, который сам основан на таблице Unicode. Если вы хотите конкретно ссылаться на правый символ кавычки, вы можете указать его как '\u2019' в Java (см. http://www.fileformat.info/info/unicode/char/2019/index.htm).