Блог

Как выполнить поиск строки Юникода в файле с помощью Java? Ниже приведен код, который я пробовал.Он работает со строками, отличными от unicode.

     import java.util.regex.Matcher;
    import java.util.regex.Pattern;
    import java.io.*;
    import java.util.*;
    class file1
    {
   public static void main(String arg[])throws Exception
   {
    BufferedReader bfr1 = new BufferedReader(new InputStreamReader(
            System.in));
    System.out.println("Enter File name:");
    String str = bfr1.readLine();
    BufferedReader br=new BufferedReader(new InputStreamReader(System.in));
    String s;
    int count=0;
    int flag=0;

    System.out.println("Enter the string to be found");
    s=br.readLine();
    BufferedReader bfr = new BufferedReader(new FileReader(str));
    String bfr2=bfr.readLine();
    Pattern p = Pattern.compile(s);
            Matcher matcher = p.matcher(bfr2);
            while (matcher.find()) {
            count  ;
            }System.out.println(count);
   }}
 

Что ж, я вижу три потенциальных источника проблем:

• Возможно, регулярное выражение неверно. Вам действительно нужно использовать регулярное выражение? Вы пытаетесь сопоставить шаблон или просто простую строку?
• Возможно, вам не удается получить ввод, отличный от ASCII, из командной строки. Вы должны вывести входную строку в терминах ее символов Юникода (см. Код позже).
• Возможно, вы читаете файл в неправильной кодировке. В настоящее время вы используете FileReader which всегда использует кодировку платформы по умолчанию. Какова кодировка файла, который вы пытаетесь прочитать? Я бы рекомендовал использовать FileInputStream wrapped in с InputStreamReader использованием явной кодировки (например, UTF-8), которая соответствует файлу.

Для отладки реальных значений в строках я обычно использую что-то вроде этого:

 private static void dumpString(String text) {
    for (int i = 0; i < text.length(); i  ) {
        char c = text.charAt(i);
        System.out.printf("%d: %4h (%c)", i, c, c);
        System.out.println();
    }
}
 

Таким образом, вы можете увидеть точную кодовую точку UTF-16 в каждой char строке.