Javassa käyttöön koko Unicode?

[Macpoika]

Olen tekemässä Java-ohjelmaa, jossa tarvitsee käyttää hyvin suurta määrää Unicode-merkeistä char-tietotyypissä. Lueskelin Javan APIsta Character-luokasta, mutta en viisastunut siitä.

[mare]

Kerropa tarkemmin mitä sinun pitää tehdä. char tyypillä pystyy esittämään ainakin suurimman osan unicode merkeistä. Kannattaa tutustua tarkemmin myös String ja StringBuffer luokkiin, ehkä niistä löytysi ratkaisu ongelmaasi.

[MNi]

Stringeihin voi tallentaa unicodea, mutta tosiaan vähän tarkempaa vihjettä pitäisi saada mikä ongelmasi on.

Helpoimmalla pääset varmaankin jos alat heti alussa käyttämään UTF-8 enkoodausta kaikkialla ohjelmassasi (tiedostojen kirjoitus jne.).

[Macpoika]

Minulla on ohjelma, joka kryptaa tekstiä. Kryptaus tapahtuu salasanan perusteella laskutoimituksin. Tällä hetkellä olen tehnyt metodin, joka hoitaa kryptauksen. Se ottaa parametreikseen salasanan, booleanin siitä, että kryptataanko vai puretaanko kryptaus sekä kryptattava tai purettava teksti. Tällä hetkellä ohjelma on vielä tekstipohjainen, mutta joskus tulee graafinenkin versio. Aluksi ihmettelin, miksi osa merkeistä muuttui komentorivillä kysymysmerkeiksi. Tajusin topicin aloitettuani, että komentorivi ei voi esittää näitä merkkejä (jostain kumman syystä komentorivi näyttää pystyvän näyttämään vain 8-bittisiä merkkejä). Mutta, mutta, nyt kun on topic aloitettu, olisi kiva tietää miten charin saa näyttämään kaikki unicodet, jotta voisin laittaa ohjelmaani vähän suurempia laskutoimituksia. Olen jostain kirjasta lukenut, että Character-luokasta pitäisi löytyä temppu tätä varten. En vain itse sitä löytänyt.

[mare]

char tietotyyppi pystyy tallentamaan unicodarvot välillä 0-65535, eli sen pitäisi riittää yleisimpiin tarkoituksiin. (Tätä suuremmat arvot esitetään kahdella char merkillä, mutta tällä ei pitäisi kryptauksen kannalta olla merkitystä). String ja StringBuffer käyttävät sisäisessä toteutuksessaan char tyyppiä, eli ne ovat käytännössä vain apuluokkia merkkijonojen käsittelyyn.

Voit tulostaa komentoriville char merkkien arvot numeerisina esimerkiksi tällä tavoin

Koodi: Valitse kaikki

void print(char [] data)
{
    for(int i =0; i<  data.length; i++)
    {
      System.out.print("" + data[i] + ",");
      if(i % 8 == 7)
        System.out.println();
    }
}

[Macpoika]

char tietotyyppi pystyy tallentamaan unicodarvot välillä 0-65535, eli sen pitäisi riittää yleisimpiin tarkoituksiin. (Tätä suuremmat arvot esitetään kahdella char merkillä, mutta tällä ei pitäisi kryptauksen kannalta olla merkitystä). String ja StringBuffer käyttävät sisäisessä toteutuksessaan char tyyppiä, eli ne ovat käytännössä vain apuluokkia merkkijonojen käsittelyyn.

Voit tulostaa komentoriville char merkkien arvot numeerisina esimerkiksi tällä tavoin

Koodi: Valitse kaikki

void print(char [] data)
{
    for(int i =0; i<  data.length; i++)
    {
      System.out.print("" + data[i] + ",");
      if(i % 8 == 7)
        System.out.println();
    }
}

Kyllä minä tiedän, miten minä ne numeerisiksi saan sillä niiden numeroarvoillahan minä ne laskutoimitukset teen.

[nobu178]

Aluksi ihmettelin, miksi osa merkeistä muuttui komentorivillä kysymysmerkeiksi. Tajusin topicin aloitettuani, että komentorivi ei voi esittää näitä merkkejä (jostain kumman syystä komentorivi näyttää pystyvän näyttämään vain 8-bittisiä merkkejä).

Tarkoitatko joitain tiettyjä Unix-komentoja vai Pääte-ohjelmaa. Jos tarkoitat jälkimmäistä, varmaan asetuksessa on vika.

[Macpoika]

edit: tuplat

[Macpoika]

Aluksi ihmettelin, miksi osa merkeistä muuttui komentorivillä kysymysmerkeiksi. Tajusin topicin aloitettuani, että komentorivi ei voi esittää näitä merkkejä (jostain kumman syystä komentorivi näyttää pystyvän näyttämään vain 8-bittisiä merkkejä).

Tarkoitatko joitain tiettyjä Unix-komentoja vai Pääte-ohjelmaa. Jos tarkoitat jälkimmäistä, varmaan asetuksessa on vika.

Päätettä käytän, mutta asetuksissa ei ole vikaa. Tarkoittaako UTF-8 8-bittistä? Jos tarkoittaa, niin voisiko Päätteelle saada Unicodea suuremmalla bittimäärällä?

[nobu178]

Aluksi ihmettelin, miksi osa merkeistä muuttui komentorivillä kysymysmerkeiksi. Tajusin topicin aloitettuani, että komentorivi ei voi esittää näitä merkkejä (jostain kumman syystä komentorivi näyttää pystyvän näyttämään vain 8-bittisiä merkkejä).

Tarkoitatko joitain tiettyjä Unix-komentoja vai Pääte-ohjelmaa. Jos tarkoitat jälkimmäistä, varmaan asetuksessa on vika.

Päätettä käytän, mutta asetuksissa ei ole vikaa. Tarkoittaako UTF-8 8-bittistä? Jos tarkoittaa, niin voisiko Päätteelle saada Unicodea suuremmalla bittimäärällä?

En nyt oikein ymmärrä kysymystäsi, mutta jos tarkoitat utf-16 tms. koodaustapaa, ei kai niitä saa Päätteelle, kun kerran noita vaihtoehtoja ei ole Päätteen näytön asetuksessa (siinähän on vain utf-8 ). Mun oma päätteeni pystyy kuitenkin näyttämään 16-bittisiä (2-tavuisia) merkkejäkin. Sori, jos olen ongelmasi täysin väärin ymmärtänyt.

[Juhani L]

Päätettä käytän, mutta asetuksissa ei ole vikaa. Tarkoittaako UTF-8 8-bittistä? Jos tarkoittaa, niin voisiko Päätteelle saada Unicodea suuremmalla bittimäärällä?

Se tarkoittaa 8-bittiseen esitysmuotoon koodattua Unicodea. Unicode-koodiavaruushan on avoin mutta se voidaan esittää eri tavoin. Onhan tämä sinulle tuttu?
Miksei UTF-8 kelpaa? Sehän on kätevä koodaustapa.

[Macpoika]

Päätettä käytän, mutta asetuksissa ei ole vikaa. Tarkoittaako UTF-8 8-bittistä? Jos tarkoittaa, niin voisiko Päätteelle saada Unicodea suuremmalla bittimäärällä?

Se tarkoittaa 8-bittiseen esitysmuotoon koodattua Unicodea. Unicode-koodiavaruushan on avoin mutta se voidaan esittää eri tavoin. Onhan tämä sinulle tuttu?
Miksei UTF-8 kelpaa? Sehän on kätevä koodaustapa.

Se ei näytä näyttävän erikoismerkkejä.

[nobu178]

Se ei näytä näyttävän erikoismerkkejä.

Esimerkiksi?

Lisäys: Juuri nyt luin toisessa osiossa olevan ketjun, jonka pystytit. Oletko Päätteen ikkunan asetuksessa näytön koodaustavan utf-8:ksi laittanut? Jos et, tuskin erikoismerkit näkyvät. Jos olet, sitten en osaa sanoa ongelmasi syytä,

[Macpoika]

Se ei näytä näyttävän erikoismerkkejä.

Esimerkiksi?

Skandit tai merkit, joitten Unicode-arvo on yli 8 bittiä.

[Macpoika]

Lisäys: Juuri nyt luin toisessa osiossa olevan ketjun, jonka pystytit. Oletko Päätteen ikkunan asetuksessa näytön koodaustavan utf-8:ksi laittanut? Jos et, tuskin erikoismerkit näkyvät. Jos olet, sitten en osaa sanoa ongelmasi syytä,

Asetukset on kohdallaan, sillä ohjeista katsoin neuvoa. Hyvää yötä.

[nobu178]

Se ei näytä näyttävän erikoismerkkejä.

Esimerkiksi?

Skandit tai merkit, joitten Unicode-arvo on yli 8 bittiä.

Edit: Selvä. Asetukset on siis oikein tehty. Kyllä skandien pitäisi näkyä... No öitä vaan.

Edit 2: Aiemmin oli toisella samanlainen ongelma. Olisiko tämän ketjun jpekin kokoamista tiedoista (neljäs viesti alhaalta) sinulle apua?

[Macpoika]

Olisiko tämän ketjun jpekin kokoamista tiedoista (neljäs viesti alhaalta) sinulle apua?

Öh ei.

[nobu178]

Olisiko tämän ketjun jpekin kokoamista tiedoista (neljäs viesti alhaalta) sinulle apua?

Öh ei.

Muilla erikoismerkit näkyvät ja sinulla ei. Ei voi siis sanoa muuta kuin, että Päätteesi asetuksessa on jokin, joka estää erikoismerkkejä näkymästä.

[Macpoika]

Nyt selvisi. Olin laittanut merkkien koodaukseksi UTF-8:n, joka EI osaa näyttää erikoismerkkejä!¡!¡!¡!¡

[nobu178]

koodaukseksi UTF-8:n, joka EI osaa näyttää erikoismerkkejä!¡!¡!¡!¡

Moista väitettä en ole koskaan ennen kuullut. Itse käytän utf-8:aa ja kiinat ja kreikat näkyvät oikein, skandit puhumattakin.

[MNi]

Nyt selvisi. Olin laittanut merkkien koodaukseksi UTF-8:n, joka EI osaa näyttää erikoismerkkejä!¡!¡!¡!¡

Osaa se ainakin kaikki erikoismerkit mitä itselleni on tullut vastaan.

Merkistökoodaukset eivät ole mitenkään ihan helppoja aina ymmärtää ja niissä tulee helposti tehtyä virheitä.

UTF-8 on eräs, melko yleisesti käytössä oleva, Unicode esityskoodaus. Unicodessa voidaan määrittää "kaikki" (suhteellista toki) merkit. UTF-8 on vain Unicoden esityskoodaus, joka on kehitetty jotta jokainen merkki ei veisi 32 bittiä.

Jotta jotain tekstiä voidaan käsitellä oikein pitää tietää mitä esityskoodausta sen kanssa on käytetty. Yleensä jos tulee eteen tilanne että "erikoismerkit" eivät toimi, tarkoittaa se sitä että tekstiä ei ole luettu sisään oikein. "Normaalit merkit", a-Z ja numerot esim., toimivat usein oikein ja tämä johtuu siitä että ne on UTF-8 kooditaulussa samassa paikassa kuin ASCII ja useimmissa muissa kooditaulussa.

Itse suosittelen Unicoden (ja vaikka sitten UTF-8:n) käyttämistä, koska aina lopulta joku haluaa kirjoittaa ohjelmaasi jonkin erikoismerkin, kuten vaikka € -merkin, joka aiheuttaa vieläkin yllättävän paljon ongelmia.

[Macpoika]

ISO Latin 9 -koodauksella:
http://img260.imageshack.us/my.php?image=kuva8or1.png
UTF-8:
http://img221.imageshack.us/my.php?image=kuva9dn8.png

[nobu178]

ISO Latin 9 -koodauksella:
http://img260.imageshack.us/my.php?image=kuva8or1.png
UTF-8:
http://img221.imageshack.us/my.php?image=kuva9dn8.png

No niin, nyt selkis. Ei ollut utf-8:n vika. Puhuit unicodesta ja sen takia kaikki suosittelivat sinulle utf-8:aa. Sinähän et käytä mitään unicodea.

[Macpoika]

Sinähän et käytä mitään unicodea.

Jotenkin olen ymmärtänyt, että UTF-8 = Unicode. Millä koodauksella saa mahd. paljon erikoismerkkejä Päätteelle?

[nobu178]

Jotenkin olen ymmärtänyt, että UTF-8 = Unicode.

Niinhän voi sanoa Päätteen kohdalla, kun muita vaihtoehtoja ei ole. Miten onnistut saamaan sinun unicodemerkkisi ISO Latin 9 -koodauksella oikein?

Millä koodauksella saa mahd. paljon erikoismerkkejä Päätteelle?

UTF-8!!!