java utf16转utf8_用Java将UTF-16转换为ASCII

小编典典

这个怎么样：

String input = ... // my UTF-16 string

StringBuilder sb = new StringBuilder(input.length());

for (int i = 0; i < input.length(); i++) {

char ch = input.charAt(i);

if (ch <= 0xFF) {

sb.append(ch);

}

}

byte[] ascii = sb.toString().getBytes("ISO-8859-1"); // aka LATIN-1

对于大型字符串，这可能不是最有效的转换方法，因为我们将字符复制了两次。但是，它具有简单明了的优点。

顺便说一句，严格来说，没有这样的字符集，例如8位ASCII。ASCII是7位字符集。LATIN-1是最接近“

8位ASCII”字符集的东西(Unicode的块0等效于LATIN-1)，所以我假设这就是您的意思。

编辑：根据问题的更新，解决方案甚至更简单：

String input = ... // my UTF-16 string

byte[] ascii = new byte[input.length()];

for (int i = 0; i < input.length(); i++) {

ascii[i] = (byte) input.charAt(i);

}

此解决方案效率更高。因为现在我们知道要期待多少字节，所以我们可以预先分配字节数组并复制(截断的)字符，而无需使用StringBuilder作为中间缓冲区。

但是，我不认为以这种方式处理错误数据是明智的。

编辑2：还有一个晦涩的“陷阱”。Unicode实际上将代码点(字符)定义为“大约21位”值… 0x000000到0x10FFFF

…并使用替代来表示> 0x00FFFF的代码。换句话说，Unicode代码点>

0x00FFFF实际上在UTF-16中表示为两个“字符”。我的回答或任何其他回答都没有考虑到这一点(深奥的)。实际上，在Java中处理>

0x00FFFF的代码点通常比较棘手。这是因为’char’是16位类型，而String是根据’char’定义的。

编辑3：也许处理不转换为ASCII的意外字符更明智的解决方案是用标准替换字符替换它们：

String input = ... // my UTF-16 string

byte[] ascii = new byte[input.length()];

for (int i = 0; i < input.length(); i++) {

char ch = input.charAt(i);

ascii[i] = (ch <= 0xFF) ? (byte) ch : (byte) '?';

}

2020-10-09