2

我正在尝试使用 Java 中的 GB18030 cp 对一些汉字进行编码，我遇到了这个字符数，它在谷歌翻译中翻译为“数字”。

问题是，它在编码时变成了 10 个字节（！）：

81 30 81 34 81 30 83 31

import java.math.BigInteger;
import java.nio.charset.Charset;
public class Test3
{
    public static void main(String[] args)
    {        
        String s = new String("数");
        System.out.println( "source file: "+String.format("%x ", 
                new BigInteger(1, s.getBytes(Charset.forName("GB18030"))) ));       
    }    
}

当我尝试使用 GB18030 对其进行解码时，它会导致？出现在中文数字字符（??数）旁边的字符。当我尝试仅解码上面的最后两个字节“CA FD”时，它会正确解码为字符。

谷歌翻译注意到上面的字符是简体的。我的源文件也以 UTF8 格式保存。

我以为 GB18030 每个字符最多 4 个字节？这个角色表现得如此奇怪有什么特别的原因吗？（我不是中国人，顺便说一句）

4

1 回答 1

4

最可能的情况是：

  1. 源文件的编码存在问题，或者

  2. 在其中的数字之前，您有“不可见”的字符。

您可以通过完全删除此行上的字符串文字来检查这两个：

String s = new String("数");

所以它看起来像这样（注意我删除了引号和字符）：

String s = new String();

然后添加回来"\u6570"得到这个：

String s = new String("\u6570");

并查看您的输出是否发生变化（因为 数 是 Unicode 代码点U+6570，因此转义序列应该是相同的字符）。如果它发生变化，则可能是编码问题，或者您在字符之前的字符串中有不可见的字符。您可以通过仅添加该字符（通过从该页面复制和粘贴而不是您以前的源代码）来区分这两种情况。如果问题再次出现，则为编码问题。如果没有，你有隐藏的字符。

于 2013-07-08T07:52:28.090 回答