String和Unicode的相互转换

最近在爬xx段子平台时，发现其使用max_time=1499253150时间戳来进行分页，json结果里的中文进行了unicode转码，这样避免了response的乱码问题。在java中，如果直接打印unicode编码结果时会直接显示String结果：

@Test
public void unicodePrint(){
	System.out.println("unicode \u548c string \u7684\u76f8\u4e92\u8f6c\u6362");
	//OutPut: unicode 和 string 的相互转换
}

但是，从流数据中读入再输出结果依旧是\u开头，原因是在读取过程中\u被转码成\\u，需要单独处理。

String和Unicode相互转换

package org.xinyo.util;

import java.io.UnsupportedEncodingException;
import java.util.regex.Matcher;
import java.util.regex.Pattern;

import org.junit.Test;

/**
 * Unicode 和 String 的相互转换，并保留ASCII/Unicode部分
 * 
 * @author CHENG
 *
 */
public class UnicodeUtils {

	/**
	 * Unicode转string
	 * 
	 * @param unicode
	 * @return
	 */
	public static String fromUnicode(String unicode) {
		// 其中\\\\u\\w{4}为匹配unicode，后面用X代替；((?!X).)*为否定向后（右）环视匹配，匹配不包含X的内容；((?!X).)*+中的加号为占有优先，放弃后续备用路径，提高正则表达式的效率
		Pattern pattern = Pattern.compile("(((?!\\\\u\\w{4}).)*+)(\\\\u(\\w{4}+))?(((?!\\\\u\\w{4}).)*+)");
		Matcher matcher = pattern.matcher(unicode);
		StringBuffer buffer = new StringBuffer();
		while (matcher.find()) {
			buffer.append(matcher.group(1));
			if (matcher.group(4) != null) {
				char letter = (char) Integer.parseInt(matcher.group(4), 16);
				buffer.append(letter);
			}
			buffer.append(matcher.group(5));
		}
		return buffer.toString();
	}

	/**
	 * String转Unicode
	 * 
	 * @param string
	 * @return
	 */
	public static String toUnicode(String string) {
		// 其中[\\u0000-\\u007F]为ASCII码十六进制（Unicode）范围
		Pattern pattern = Pattern.compile("([\\u0000-\\u007F]*+)([^\\u0000-\\u007F])?([\\u0000-\\u007F]*+)");
		Matcher matcher = pattern.matcher(string);
		StringBuffer buffer = new StringBuffer();
		while (matcher.find()) {
			buffer.append(matcher.group(1));
			if (matcher.group(2)!=null) {
				buffer.append(escapeNonAscii(matcher.group(2)));
			}
			buffer.append(matcher.group(3));
		}
		return buffer.toString();
	}

	/**
	 * 非ASCII转Unicode
	 * 来源：{@link https://stackoverflow.com/questions/5733931/java-string-unicode-value/14817912#14817912}
	 * @param str
	 * @return
	 */
	private static String escapeNonAscii(String str) {
		StringBuilder retStr = new StringBuilder();
		for (int i = 0; i < str.length(); i++) {
			int cp = Character.codePointAt(str, i);
			int charCount = Character.charCount(cp);
			if (charCount > 1) {
				i += charCount - 1; // 2.
				if (i >= str.length()) {
					throw new IllegalArgumentException("truncated unexpectedly");
				}
			}
			if (cp < 128) {
				retStr.appendCodePoint(cp);
			} else {
				retStr.append(String.format("\\u%x", cp));
			}
		}
		return retStr.toString();
	}

	@Test
	public void testFromUnicode() {
		String string = UnicodeUtils.fromUnicode("unicode \\u548c string \\u7684\\u76f8\\u4e92\\u8f6c\\u6362\\uff0c\\u5e76\\u4fdd\\u7559\\u975e\\u4e2d\\u6587/unicode\\u90e8\\u5206");
		System.err.println(string);
	}

	@Test
	public void testToUnicode() throws UnsupportedEncodingException {
		String unicode = UnicodeUtils.toUnicode("unicode 和 string 的相互转换，并保留非中文/unicode部分");
		System.err.println(unicode);
	}
}