java - 使用java在文件中搜索unicode字符串

Question

如何使用 java 在文件中搜索 unicode 字符串？ 下面是我试过的代码。它适用于 unicode 以外的字符串。

    import java.util.regex.Matcher;
    import java.util.regex.Pattern;
    import java.io.*;
    import java.util.*;
    class file1
    {
   public static void main(String arg[])throws Exception
   {
    BufferedReader bfr1 = new BufferedReader(new InputStreamReader(
            System.in));
    System.out.println("Enter File name:");
    String str = bfr1.readLine();
    BufferedReader br=new BufferedReader(new InputStreamReader(System.in));
    String s;
    int count=0;
    int flag=0;

    System.out.println("Enter the string to be found");
    s=br.readLine();
    BufferedReader bfr = new BufferedReader(new FileReader(str));
    String bfr2=bfr.readLine();
    Pattern p = Pattern.compile(s);
            Matcher matcher = p.matcher(bfr2);
            while (matcher.find()) {
            count++;
            }System.out.println(count);
   }}

Answer 1

嗯，我可以看到三个潜在的问题来源:

• 正则表达式可能不正确。您真的需要使用正则表达式吗？您是要匹配一个模式，还是只是一个简单的字符串？
• 您可能无法从命令行获取非 ASCII 输入。您应该根据其 Unicode 字符转储输入字符串(请参阅稍后的代码)。
• 您很可能正在以错误的编码读取文件。当前您使用的是始终使用平台默认编码的 FileReader。您要读取的文件的编码是什么？我建议使用 FileInputStream 包装在 InputStreamReader 中，使用与文件匹配的显式编码(例如 UTF-8)。

要调试字符串中的真实值，我通常会使用这样的东西:

private static void dumpString(String text) {
    for (int i = 0; i < text.length(); i++) {
        char c = text.charAt(i);
        System.out.printf("%d: %4h (%c)", i, c, c);
        System.out.println();
    }
}

这样您就可以在字符串中的每个 char 中看到确切的 UTF-16 代码点。