Questions tagged «unicode»

我尝试使用java.io.FileReader读取一些文本文件并将其转换为字符串，但是我发现结果编码错误并且根本不可读。 这是我的环境： Windows 2003，操作系统编码：CP1252 Java 5.0 我的文件是UTF-8编码或CP1252编码的，其中一些（UTF-8编码的文件）可能包含中文（非拉丁文）字符。 我使用以下代码来完成我的工作： private static String readFileAsString(String filePath) throws java.io.IOException{ StringBuffer fileData = new StringBuffer(1000); FileReader reader = new FileReader(filePath); //System.out.println(reader.getEncoding()); BufferedReader reader = new BufferedReader(reader); char[] buf = new char[1024]; int numRead=0; while((numRead=reader.read(buf)) != -1){ String readData = String.valueOf(buf, 0, numRead); fileData.append(readData); buf = …

130 java  file  unicode  encoding 

如您所知，问题是Unicode图表中有成千上万个字符，我想将所有类似的字符转换为英文字母。 例如，这里有一些转换： ҥ->H Ѷ->V Ȳ->Y Ǭ->O Ƈ->C tђє Ŧค๓เℓy --> the Family ... 我发现字母A / a有20多个版本。而且我不知道如何对它们进行分类。它们看起来像大海捞针。 Unicode字符的完整列表位于http://www.ssec.wisc.edu/~tomw/java/unicode.html 或http://unicode.org/charts/charindex.html。只需向下滚动并查看字母的变体即可。 如何用Java转换所有这些？请帮我 ：（

129 java  unicode  special-characters  diacritics 

在ICU项目（也现在有一个PHP库）中包含有需要帮助恢复正常UTF-8串类，使搜索时更容易地比较值。 但是，我试图弄清楚这对应用程序意味着什么。例如，在哪种情况下，我想要“规范对等”而不是“兼容性对等”，反之亦然？

129 php  c  unicode  unicode-normalization 

字符代码（HTML）是​什么？我在我的一个jQuery脚本中找到了它，并想知道它是什么。 谢谢。 编辑： 这是它所在的脚本（已添加到末尾，在Firebug中找到了它） <script src="http://code.jquery.com/jquery-latest.js" type="text/javascript"></script> <script type="text/javascript"> var $jnyh = jQuery.noConflict(); $jnyh(function() { $jnyh("#title-nyh").click(function() { $jnyh(".show-hide-nyh").slideDown("slow"); }, function() { if(!$jnyh(this).data('pinned')) $jnyh(".show-hide-nyh").slideUp("slow"); }); $jnyh("#title-nyh").click(function() { $jnyh(this).parent().toggleClass("title-btm-brdr"); $jnyh(this).toggleClass("chev-up-result"); var pin = $jnyh(this).data('pinned'); $jnyh(this).data('pinned', !pin); if(pin) $jnyh(".show-hide-nyh").slideUp("slow"); }); });​​ </script>

127 html  unicode  character-codes 

我想要类似的东西 0x2022 8226 BULLET • 但是更大。 我什至在http://www.ssec.wisc.edu/~tomw/java/unicode.html上都找不到 我应该搜寻什么？点？子弹？

127 unicode 

许多现代正则表达式实现将\w字符类速记解释为“任何字母，数字或连接标点符号”（通常：下划线）。这样一来，像一个正则表达式\w+匹配的话像hello，élève，GOÄ_432或gefräßig。 不幸的是，Java没有。在Java中，\w仅限于[A-Za-z0-9_]。除了其他问题之外，这使得匹配上述单词变得困难。 似乎\b分隔符在不应该匹配的地方匹配。 类似于.NET的，支持Unicode的\w或\bJava 的正确等效项是什么？还有哪些其他快捷方式需要“重写”以使它们能够识别Unicode？

126 java  regex  unicode  character-properties 

我真的很困惑 我尝试编码，但错误提示can't decode...。 >>> "你好".encode("utf8") Traceback (most recent call last): File "<stdin>", line 1, in <module> UnicodeDecodeError: 'ascii' codec can't decode byte 0xe4 in position 0: ordinal not in range(128) 我知道如何避免在字符串上加上“ u”前缀的错误。我只是想知道为什么在调用编码时错误是“无法解码”的。Python到底是做什么的？

119 python  python-2.7  unicode  python-2.x  python-unicode 

我从FileFormat.Info的search中找到特殊字符的Unicode 。 有些字符正在渲染为经典的黑白字形，例如⚠（警告符号\u26A0或⚠）。这些是更可取的，因为我可以将CSS样式（例如颜色）应用于它们。 其他人则将其渲染为较新的卡通表情符号，例如⌛（沙漏\u231B或⌛）。这些不是可取的，因为我无法完全设置它们的样式。 看来浏览器正在进行此更改，因为我能够在Mac Firefox上看到沙漏字形，而在Mac Chrome和Mac Safari上看不到。 有没有一种方法可以强制浏览器显示要显示的旧版本（平面单调）？ 更新：看来（从下面的评论）有一个文本显示选择，FE0E，可用来执行文本VS-表情符号。选择器被连接为后缀，字符代码上没有空格，例如⌛︎HTML十六进制或\u231B\uFE0EJS。但是，并非所有浏览器（例如Chrome和Edge）都认可它。

119 javascript  html  css  unicode  emoji 

以下代码均无效： p:before { content: " "; } p:before { content: " "; } 如何在元素内容前添加空格？ 注意：我需要给左边框和左边距上色以供语义使用，并将空格用作无色边距。:)

118 css  unicode  space  css-content 

我想在Java中显示Unicode字符。如果我这样做，它就可以正常工作： String symbol = "\u2202"; 符号等于“∂”。这是我想要的。 问题是我知道Unicode号，因此需要从中创建Unicode符号。我（对我）尝试了显而易见的事情： int c = 2202; String symbol = "\\u" + c; 但是，在这种情况下，符号等于“ \ u2202”。那不是我想要的 如果我知道符号的Unicode编号（但只能在运行时-我不能像第一个示例那样对其进行硬编码），如何构造该符号？

114 java  string  unicode  character 

我正在尝试使用“ utf8”编译指示来编写Perl脚本，并且得到了意外的结果。我正在使用Mac OS X 10.5（Leopard），并且正在使用TextMate进行编辑。我的编辑器和操作系统的所有设置都默认为以utf-8格式写入文件。 但是，当我在文本文件中输入以下内容，将其另存为“ .pl”并执行时，我得到了友好的“带问号的钻石”来代替非ASCII字符。 #!/usr/bin/env perl -w use strict; use utf8; my $str = 'Çirçös'; print( "$str\n" ); 知道我在做什么错吗？我期望在输出中得到'Çirçös'，但是我得到的是'.ir s'。

110 perl  unicode  utf-8 

unicode标准中有足够的代码点，您需要4个字节来存储它们。这就是UTF-32编码的作用。然而，UTF-8编码通过使用一种称为“可变宽度编码”的方式将它们压缩到更小的空间中。 实际上，它设法在一个字节中代表了US-ASCII的前127个字符，这看起来与真实的ASCII完全一样，因此您可以将许多ascii文本解释为UTF-8，而无需对其进行任何处理。整洁的把戏。那么它是怎样工作的？ 我将在这里问和回答我自己的问题，因为我只是做了一些阅读来弄清楚这个问题，我认为这可能会节省一些时间。另外，如果我有一些错误，也许有人可以纠正我。

110 unicode  utf-8  character-encoding  multibyte 

已关闭。这个问题需要更加集中。它当前不接受答案。 想改善这个问题吗？更新问题，使其仅通过编辑此帖子来关注一个问题。 6年前关闭。 改善这个问题 根据您的经验，到目前为止，哪些BUnicode（基本多语言平面）之外的Unicode字符，代码点和范围是最常见的？这些是在UTF-8中需要4个字节或在UTF-16中需要替代的字节。 我希望答案是名称中使用的中文和日文字符，但不包括在最广泛的CJK多字节字符集中，但是在我最忙的项目中，英语维基词典中，我们发现哥特字母是到目前为止更普遍。 更新 我编写了一些软件工具来扫描整个Wikipedia中的非BMP字符，令我惊讶的是，即使在日语Wikipedia中，哥特字母也是最常见的。在中文维基百科中也是如此，但也有许多中文字符被使用多达50或70次，包括“𨭎”，“𠬠”和“𩷶”。

108 unicode  cjk  codepoint  surrogate-pairs  astral-plane 

我知道非标准的％uxxxx方案，但这似乎不是明智的选择，因为该方案已被W3C拒绝。 一些有趣的例子： 心性。如果我在浏览器中输入以下内容： http://www.google.com/search?q=♥ 然后复制并粘贴它，我看到这个网址 http://www.google.com/search?q=%E2%99%A5 这似乎使Firefox（或Safari）正在执行此操作。 urllib.quote_plus(x.encode("latin-1")) '%E2%99%A5' 这很有意义，除了不能用Latin-1编码的东西（例如三点字符）。 … 如果我输入网址 http://www.google.com/search?q=… 到我的浏览器，然后复制并粘贴，我得到 http://www.google.com/search?q=%E2%80%A6 背部。这似乎是这样做的结果 urllib.quote_plus(x.encode("utf-8")) 这很有意义，因为…无法使用Latin-1进行编码。 但是对于我来说，这还不清楚，浏览器如何知道是使用UTF-8还是Latin-1进行解码。 由于这似乎是模棱两可的： In [67]: u"…".encode('utf-8').decode('latin-1') Out[67]: u'\xc3\xa2\xc2\x80\xc2\xa6' 可以，所以我不知道浏览器如何确定是使用UTF-8还是Latin-1对其进行解码。 使用我需要处理的特殊字符正确的做法是什么？

107 unicode  utf-8  character-encoding  urlencode  web-standards 

C ++中Unicode处理的最佳实践是什么？

107 c++  unicode