&#是什么编码 unicode两种编码方式与中文的转换

kk数码网 • 2022年9月2日 pm8:44 • 手机 • 阅读 314

unicode的表示方式有两种，一种为web页面中使用的，一种为我们一般采用的编码方式
第一种："成都 "Unicode编码方式 &+编号是网页里引用unicode字符的方法，编号为十进制的在unicode中的编号

第二种：\u6210\u90fd 表示的也是成都，采用的也是unicode编码格式，是java编程中使用的编码格式
它以\u开头，后接四位16进制的数。

以下是java中之间相互转化的代码

/*
 * string与unicode之间相互转换
 */
import java.util.regex.Matcher;
import java.util.regex.Pattern;
public class unicodeString {
	public static void main(String[] args) {
		String str = "中国";
		System.out.println(unicodeString.StringToWebUnicode(str));
		System.out.println(unicodeString.WebUnicodeToString("中国"));
		System.out.println(unicodeString.StringToUnicode(str));
		System.out.println(unicodeString.UnicodeToString("\u4e2d\u56fd\\uqqqq"));
	}
	/*
	 * 普通类型的unicode转string
	 */
	public static String UnicodeToString(String input) {
		Pattern pattern = Pattern.compile("(\\\\u(\\p{XDigit}{4}))");
		Matcher matcher = pattern.matcher(input);
		char ch;
		while (matcher.find()) {
			ch = (char) Integer.parseInt(matcher.group(2), 16);
			input = input.replace(matcher.group(1), ch + "");
		}
		return input;
	}
	/*
	 * string转普通类型的unicode
	 */
	public static String StringToUnicode(String input) {
		String str = "";
		for (char c : input.toCharArray()) {
			if ((int) c > 128)
				str += "\\u" + Integer.toHexString((int) c);
			else
				str += c;
		}
		return str;
 
	}
	/*
	 * string转web类型的unicode
	 */
	public static String StringToWebUnicode(String input) {
		String str = "";
		for (char c : input.toCharArray()) {
			str += "&#" + (int) c + ";";
		}
		return str;
	}
	/*
	 * web类型的unicode转string
	 */
	public static String WebUnicodeToString(String input) {
		String str = "";
		String[] y1 = input.split(";");
		for (String c : y1) {
			if (c.length() > 2) {
				str += (char) Integer.parseInt(c.substring(2));
			}
		}
		return str;
	}
}

js下将unicode转换为中文或字符串的代码

<script>
//带;号
var str="最新發https://www.jb51.net/article/1.htm";
//不带分号
var str2="&#104&#116&#116&#112&#115&#58&#47&#47&#119&#119&#119&#46&#106&#98&#53&#49&#46&#110&#101&#116&#47&#97&#114&#116&#105&#99&#108&#101&#47&#49&#46&#104&#116&#109";
function uncode(str) {
return str.replace(/&#(x)?([^&]{1,5});?/g, function (a, b, c) {
return String.fromCharCode(parseInt(c, b ? 16 : 10));
})
}

document.write(uncode(str));
document.write("<br>");
document.write(uncode(str2));
</script>

&#是什么编码

在网页中以&#开头的是HTML实体，一些字符在 HTML 中是预留的，拥有特殊的含义，比如小于号‘<’用于定义 HTML 标签的开始。如果我们希望浏览器正确地显示这些字符，我们必须在 HTML 源码中插入字符实体。

如何把汉字转换成HTML实体呢？

汉字的HTML实体由三部分组成，”&#+ASCII+;“ 即可。

例如，把“最新” 转换成“最新”

PHP函数把字符串或汉字转为HTML实体 htmlentities()

PHP函数把HTML实体转为字符串或汉字 html_entity_decode()

形如——

&#dddd;
&#xhhhh;
&#name;

——的一串字符是 HTML、XML 等 SGML 类语言的转义序列（escape sequence）。它们不是「编码」。

以 HTML 为例，这三种转义序列都称作 character reference：
前两种是 numeric character reference（NCR），数字取值为目标字符的 Unicode code point；以「&#」开头的后接十进制数字，以「&#x」开头的后接十六进制数字。
后一种是 character entity reference，后接预先定义的 entity 名称，而 entity 声明了自身指代的字符。
从 HTML 4 开始，NCR 以 Unicode 为准，与文档编码无关。

「中国」二字分别是 Unicode 字符 U+4E2D 和 U+56FD，十六进制表示的 code point 数值「4E2D」和「56FD」就是十进制的「20013」和「22269」。所以——

中国
中国

——这两种 NCR 写法都会在显示时转换为「中国」二字。

NCR 可以用于转义任何 Unicode 字符，而 character entity reference 很受限，参见 HTML 4 和 HTML5 中已有定义的字符列表：

Character entity references in HTML 4
Character entity references in HTML5

HtmlEncoder，中文转换成&#开头的编码(及HTML特殊字符解码)

package test.com.gjob.services;
import java.io.IOException;
import java.io.Writer;
public class HtmlEncoder {
     public static void main(String args[]){
         System.out.println(HtmlEncoder.encode("你好"));
     }
     
     /***
   
}

原创文章，作者：kk数码网，如若转载，请注明出处：https://www.kkkz.net/34151.html