这不是一个完整的答案,但...当我copy'n'paste中的Unicode字符“चौरेउत्तमयादव”,然后使用一对夫妇的工具来分析那里的东西,我没有看到任何空格:
echo "चौरेउत्तमयादव " | odx
这会产生数据的十六进制转储;最后有一个空白,但没有一个在中间。
0x0000: E0 A4 9A E0 A5 8C E0 A4 B0 E0 A5 87 E0 A4 89 E0 ................
0x0010: A4 A4 E0 A5 8D E0 A4 A4 E0 A4 AE E0 A4 AF E0 A4 ................
0x0020: BE E0 A4 A6 E0 A4 B5 20 0A ....... .
0x0029:
第二个命令解码UTF-8的数据:
echo "चौरेउत्तमयादव " | utf8-unicode
它产生:
0xE0 0xA4 0x9A = U+091A
0xE0 0xA5 0x8C = U+094C
0xE0 0xA4 0xB0 = U+0930
0xE0 0xA5 0x87 = U+0947
0xE0 0xA4 0x89 = U+0909
0xE0 0xA4 0xA4 = U+0924
0xE0 0xA5 0x8D = U+094D
0xE0 0xA4 0xA4 = U+0924
0xE0 0xA4 0xAE = U+092E
0xE0 0xA4 0xAF = U+092F
0xE0 0xA4 0xBE = U+093E
0xE0 0xA4 0xA6 = U+0926
0xE0 0xA4 0xB5 = U+0935
0x20 = U+0020
0x0A = U+000A
所以,看来你的问题可能是与输入到 'toEscapedUnicode'而不是其产出。
而且,似乎有什么我从问题copy'n'paste不匹配,你说的是在字符串中
Yours Mine
\u0938 U+091A
\u0941 U+094C
\u0916 U+0930
\u091A U+0947
\u0948 U+0909
\u0928 U+0924
\u093E U+094D
\u0928 U+0924
\u0940 U+092E
\u0020
\u0930 U+092F
\u0940 U+093E
\u091D U+0926
\u0941 U+0935
\u092E
\u0932
\u0020
\u091C
\u093F
\u0935
\u0924
因此,粘贴的文本不匹配因其他原因也声称翻译。
我相信,您所指定的Unicode字符串应该是这样的:
सुखचैनानीरीझुमलजिवतराम
我使用含有你要求的值的文件,减去\u
前缀与0020代替空白:
0938
0941
0916
091A
0948
0928
093E
0928
0940
0020
0930
0940
091D
0941
092E
0932
0020
091C
093F
0935
0924
0930
093E
092E
然后我用这个纯家酿brew脚本来生成我建议将UTF-8字符串作为您的转义Unicode字符串的等效字符串。我相信在Perl中有其他机制可以使用(使用与Unicode相关的模块),但这对我很有用。这将是更简洁,如果我没有在那里留下的调试代码):
#!/bin/perl -w
use strict;
use constant debug => 0;
while (<>)
{
chomp;
my $i = hex;
printf STDERR "0x%04X = %4d\n", $i, $i if debug;
if ($i < 0x100)
{
# 1-byte UTF-8
printf STDERR " 0x%02X (%3d)\n", $i, $i if debug;
printf "%c", $i;
}
elsif ($i < 0x800)
{
# 2-byte UTF-8
my($b1) = 0xC0 | (($i >> 6) & 0xFF);
my($b2) = 0x80 | ($i & 0x3F);
printf STDERR " 0x%02X (%3d)\n", $b1, $b1 if debug;
printf STDERR " 0x%02X (%3d)\n", $b2, $b2 if debug;
printf "%c%c", $b1, $b2;
}
elsif ($i < 0x10000)
{
# 3-byte UTF-8
my($b1) = 0xE0 | (($i >> 12) & 0xFF);
my($b2) = 0x80 | (($i >> 6) & 0x3F);
my($b3) = 0x80 | ($i & 0x3F);
printf STDERR " 0x%02X (%3d)\n", $b1, $b1 if debug;
printf STDERR " 0x%02X (%3d)\n", $b2, $b2 if debug;
printf STDERR " 0x%02X (%3d)\n", $b3, $b3 if debug;
printf "%c%c%c", $b1, $b2, $b3;
}
else
{
# 4-byte UTF-8 or error
die "Oh bother!";
}
}
print "\n";
您可以在4个字节的UTF-8和错误处理的东西填满。我不诊断无效的UTF-8序列(特别是UTF-16替代品),所以如果你把伪造的Unicode数据点放进去,你会得到伪造的UTF-8值。如果您需要了解更多信息,请阅读Unicode书籍的第3章(可下载 - 作为章节 - 从Unicode.org)或FAQ - UTF-8, UTF-16, UTF-32 and BOM。
您可能需要确定您所使用的编程语言(脚本是Devanagiri)。你写了'toEscapedUnicode'函数吗?如果是这样,我们需要看到它有任何解决问题的机会。 – 2010-03-04 14:24:42