一次java全角字符与半角字符转换优化

全角与半角

通常的英文字母、数字键、符号键都是半角的，半角的显示内码都是一个字节。而每个全角字符占用两个标准字符（或半角字符）位置

半角字符是从33开始到126结束，与半角字符对应的全角字符是从65281开始到65374结束

其中较为特殊的是空格，半角的空格是32.对应的全角空格是12288

半角和全角的关系很明显,除空格外的字符偏移量是65248(65281-33 = 65248)

// 输入全角字符，输出半角字符
public static String QtoB(String input) {
char c[] = input.toCharArray();
for (int i = 0; i < c.length; i++) {
if (c[i] == '\u3000') {
c[i] = ' ';
} else if (c[i] > '\uFF00' && c[i] < '\uFF5F') {
c[i] = (char) (c[i] - 65248);
}
}
return new String(c);
}

// 半角转全角
public static String BtoQ(String input) {
char c[] = input.toCharArray();
for (int i = 0; i < c.length; i++) {
if (c[i] == ' ') {
c[i] = '\u3000';
} else if (c[i] < '\177') {
c[i] = (char) (c[i] + 65248);
}
}
return new String(c);
}

中间过程

项目中的需求是半角转成全角。最开始的需求是这样的，只针对指定的半角字符",.?!:;…~&@#'\"´〝〞()[]<>{}«»/|\\­_¯ "进行转换。

public static String BtoQ0(String str) {
String s = ",.?!:;…~&@#'\"´〝〞()[]<>{}«»/|\\­_¯ ";
char[] c = str.toCharArray();
for (int i = 0; i < c.length; i++) {
if (s.indexOf(c[i]) != -1) {
if (c[i] == '<') {
int j = i + 1;
if (j < c.length && (c[j] == 'p' || c[j] == '/')) {
int k1 = j + 1;
if (k1 < c.length && (c[j] == 'p') && c[k1] == '>') {
continue;
} else if (k1 < c.length && (c[j] == '/') && c[k1] == 'p') {
int k2 = k1 + 1;
if (k2 < c.length && c[k2] == '>') {
continue;
}
}
}
} else if (c[i] == '>') {
int j = i - 1;
if (j > 0 && c[j] == 'p') {
int k1 = j - 1;
if (k1 >= 0 && c[k1] == '<') {
continue;
} else if (k1 > 0 && c[k1] == '/') {
int k2 = k1 - 1;
if (k2 >= 0 && c[k2] == '<') {
continue;
}
}
}
} else if (c[i] == '/') {
int j = i - 1;
if (j >= 0 && c[j] == '<') {
int k1 = i + 1;
if (k1 < c.length && c[k1] == 'p') {
int k2 = k1 + 1;
if (k2 < c.length && c[k2] == '>') {
continue;
}
}
}
}

if (c[i] == ' ') {
c[i] = '\u3000';
} else {
c[i] = (char) (c[i] + 65248);
}
}
}
return new String(c);
}

需求后来又改成不要对完整的"<p></p>"过滤。最直接的过滤方式如下，最后直接用库函数replace一下：

public static String BtoQ1(String str) {
String s = ",.?!:;…~&@#'\"´〝〞()[]<>{}«»/|\\­_¯ ";
char[] c = str.toCharArray();
int i = 0;
while (i < c.length) {
if (s.indexOf(c[i]) != -1) {
if (c[i] == ' ') {
c[i] = '\u3000';
} else {
c[i] = (char) (c[i] + 65248);
}
}
i++;
}
String result = new String(c);
result = result.replace("＜p＞", "<p>").replace("＜／p＞", "</p>");
return result;
}

试想文本量那么多，replace也是很耗时的，最后优化的结果比上面快了5倍左右。如下：

public static String BtoQY(String str) {
String s = ",.?!:;…~&@#'\"´〝〞()[]<>{}«»/|\\­_¯ ";
char[] c = str.toCharArray();

for (int i = 0; i < c.length; i++) {
if (s.indexOf(c[i]) != -1) {
if (c[i] == '<') {
int j = i + 1;
if (j < c.length) {
int k1 = j + 1;
if (k1 < c.length && (c[j] == 'p') && c[k1] == '>') {
i += 2;
continue;
} else if (k1 < c.length && (c[j] == '/') && c[k1] == 'p') {
int k2 = k1 + 1;
if (k2 < c.length && c[k2] == '>') {
i += 3;
continue;
}
}
}
}

if (c[i] == ' ') {
c[i] = '\u3000';
} else {
c[i] = (char) (c[i] + 65248);
}
}
}
return new String(c);
}