我正在处理一个文本，然后我必须链接到文件。文本有一个（unicode points 97 + 776），但FS将文件写成ä（unicode points 228）。有办法把97 + 776转换成228吗？我相信这些应该是替代对，并且是UTF-8编码的，我已经尝试过getBytes作为UTF-16或其他编码，但没有任何效果。我甚至不能正确地粘贴2个代码点的char-它被处理为单个char，但十六进制表示仍然是“61 cc 88”，这个“a”到底是什么？
t9aqgxwy1#
有两个代码点的那个不是一个代理对，而是一个“a”和一个组合变音符号“¨”，导致与预组合（=字符和变音符号在一起）字符“ä”相同的视觉外观（在支持它的字体中）。要在两者之间转换，您需要一个名为Normalizer的东西。Java的内置类java.text.Normalizer应该可以帮助你，看看https://stackoverflow.com/a/58403649/12344762以获得更多信息。
Normalizer
java.text.Normalizer
k5hmc34c2#
字符“ä”在Unicode中可以用两种不同的方式表示：作为Unicode码位为228（U+00E4）的单个字符。作为两个字符的组合：Unicode码位为97（U+0061）的“a”，后跟一个码位为776（U+0308）的组合分音符。这两种表示都是有效的，但它们在Unicode码位方面不可互换。如果您的文件系统使用单字符方法（代码点228）表示“ä”，并且您的文本使用两个字符表示（97 + 776），则需要转换文本以匹配文件系统的表示。要将双字符表示（97 + 776）转换为单字符表示（228），可以使用支持Unicode操作的编程语言或库提供的规范化函数。一种常见的标准化形式是Unicode标准化形式C（NFC）。下面是一个使用java.text.Normalizer类执行规范化的Java示例：
import java.text.Normalizer; String text = "a\u0308"; // Two-character representation (97 + 776) String normalizedText = Normalizer.normalize(text, Normalizer.Form.NFC); System.out.println(normalizedText); // Output: ä
在本例中，以Normalizer.Form.NFC作为参数的Normalizer.normalize方法将两个字符表示转换为单个字符“ä”（U+00E4）。请注意，规范化过程可能涉及其他转换和调整，以确保文本的一致性，因此在比较或处理文本之前规范化文本始终是一个很好的做法。如果您使用的是不同的编程语言，请告诉我，我可以提供有关如何在该特定语言中执行转换的指导。
2条答案
按热度按时间t9aqgxwy1#
有两个代码点的那个不是一个代理对，而是一个“a”和一个组合变音符号“¨”，导致与预组合（=字符和变音符号在一起）字符“ä”相同的视觉外观（在支持它的字体中）。
要在两者之间转换，您需要一个名为
Normalizer的东西。Java的内置类java.text.Normalizer应该可以帮助你，看看https://stackoverflow.com/a/58403649/12344762以获得更多信息。k5hmc34c2#
字符“ä”在Unicode中可以用两种不同的方式表示：
作为Unicode码位为228（U+00E4）的单个字符。作为两个字符的组合：Unicode码位为97（U+0061）的“a”，后跟一个码位为776（U+0308）的组合分音符。这两种表示都是有效的，但它们在Unicode码位方面不可互换。如果您的文件系统使用单字符方法（代码点228）表示“ä”，并且您的文本使用两个字符表示（97 + 776），则需要转换文本以匹配文件系统的表示。
要将双字符表示（97 + 776）转换为单字符表示（228），可以使用支持Unicode操作的编程语言或库提供的规范化函数。一种常见的标准化形式是Unicode标准化形式C（NFC）。
下面是一个使用java.text.Normalizer类执行规范化的Java示例：
在本例中，以Normalizer.Form.NFC作为参数的Normalizer.normalize方法将两个字符表示转换为单个字符“ä”（U+00E4）。
请注意，规范化过程可能涉及其他转换和调整，以确保文本的一致性，因此在比较或处理文本之前规范化文本始终是一个很好的做法。
如果您使用的是不同的编程语言，请告诉我，我可以提供有关如何在该特定语言中执行转换的指导。