我正在尝试创建将删除变音符号的函数(不想故意使用标准化器)。函数看起来像
private static String normalizeCharacter(Character curr) {
String sdiac = "áäčďéěíĺľňóôőöŕšťúůűüýřžÁÄČĎÉĚÍĹĽŇÓÔŐÖŔŠŤÚŮŰÜÝŘŽ";
String bdiac = "aacdeeillnoooorstuuuuyrzAACDEEILLNOOOORSTUUUUYRZ";
char[] s = sdiac.toCharArray();
char[] b = bdiac.toCharArray();
String ret;
for(int i = 0; i < sdiac.length(); i++){
if(curr == s[i])
curr = b[i];
}
ret = curr.toString().toLowerCase();
ret = ret.replace("\n", "").replace("\r","");
return ret;
}
函数的调用方式如下(文件中的每个字符都发送到此函数)
private static String readFile(String fName) {
File f = new File(fName);
StringBuilder sb = new StringBuilder();
try{
FileInputStream fStream = new FileInputStream(f);
Character curr;
while(fStream.available() > 0){
curr = (char) fStream.read();
sb.append(normalizeCharacter(curr));
System.out.print(normalizeCharacter(curr));
}
}catch(IOException e){
e.printStackTrace();
}
return sb.toString();
}
文件text.txt
包含以下内容:ľščťžýáíéúäôň
并且我期望lcstzyaieuaon
从程序返回,但插入了预期的字符串我得到这个 ¤ yaieuaoò
。我知道问题出在编码中的某个地方,但不知道在哪里。有什么想法吗?
最佳答案
您正在尝试将字节转换为字符。
但是,字符 ľ
并不表示为单个字节。其 unicode 表示形式为 U+013E,其 UTF-8 表示形式为 C4 BE。因此,它由两个字节表示。其他角色也是如此。
假设您的文件的编码是 UTF-8。然后读取字节值C4
,然后将其转换为char
。这将为您提供字符 U+00C4 (Ä),而不是 U+013E。然后您读取 BE
,并将其转换为字符 U+00BE (3/4)。
所以不要混淆字节和字符。您不应直接使用 InputStream
,而应使用 Reader
包装它。 Reader
能够根据创建它的编码来读取字符:
BufferedReader reader = new BufferedReader(
new InputStreamReader(
new FileInputStream(f), StandardCharsets.UTF_8
)
);
现在,您将能够读取字符甚至整行,并且编码将直接完成。
int readVal;
while ( ( readVal = reader.read() ) != -1 ) {
curr = (char)readVal;
// ... the rest of your code
}
请记住,如果您要使用不带参数的 read()
,您仍在读取 int
。
关于Java 删除变音符号,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/33197575/