Java的Unicode字节解析(Java unicode byte parsing)

我只是从一个文件的字节流中读取一些数据的过程中，我只是遇到了一些的Unicode字符串，我不知道如何以最佳方式处理。

每个字符使用两个字节，仅在第一个表面上的，以包含实际数据，因此，例如字符串“信任”被存储在文件中：

0x74 0x00(t) 0x72 0x00(r) ...and so on

一般情况下我只是使用正则表达式来替换没有零点，因此删除空白。 但是，该文件中的单词之间的空格实现使0x00 0x00 ，所以试图做一个简单的字符串“的replaceAll”是种它搞乱了一点。

我已经试过用字符串编码集玩耍，如“ISO-8859-1”和“UTF-8/16”，但每次我结束了空白。

我没有创建一个简单的正则表达式来去除双零个十六进制值，这就是：

new String(bytes).replaceAll("[\\00]{2,},"");

但是，这显然只适用于双零，我很想有一个实际的ASCII / Unicode空格字符来代替单一的零一无所有，和双零。

我可以发誓的处理这种事情的Java字符串格式设置一个，但我可能是错的。 所以我应该创造一个正则表达式来剥离出零工作，或不实际的Java做这件事的提供机制？

谢谢

Answer 1:

这是"UTF-16LE" 0x00 0x00实际上编码在UTF-16中的NULL字符所以这就是你会得到什么。

这种编码可编码约一百万个不同的字符，每个字符使用2或4个字节。 前256个字符编码与第二个字节0x00 ，如果文本中只包含那些它可以被看作是无用的，但它需要的字符的其余部分。 例如，欧元货币符号€将显示为0xAC 0x20 。

Answer 2:

我只是从一个文件的字节流中读取一些数据的过程中，我只是遇到了一些的Unicode字符串，我不知道如何以最佳方式处理。

将它们转换为使用适当的字符集的字符串，在这种情况下UTF-16LE（little-endian的UTF-16，与低位字节第一其次高位字节）

String str = new String(bytes, "UTF-16LE");

文章来源: Java unicode byte parsing