UTF-8到CP864 (阿拉伯语)转换
UTF-8到CP864 (阿拉伯语)转换
提问于 2015-03-11 09:20:26
我有以下任务:一些以UTF-8书写的拉丁文/阿拉伯文混合文本需要转换为使用POS打印机打印，后者使用的是古老的单字节代码页864。
text.getBytes("ibm-864")突然显示了许多问号而不是阿拉伯字符，在深入研究代码之后，我了解到转换表中有一些不同版本的阿拉伯字符，用于映射到ibm-864 (在FExx范围内的某个地方，而不是我的文本中的06xx )。
我正在寻找一些代码或库，这些代码或库可以将阿拉伯unicode转换为cp864，更好地将其映射到相应的阿拉伯字符形式(在cp864中，某些字符有孤立的、初始的、中间的和最终的形式)，甚至可能对RTL进行反向处理，因为我怀疑硬件是否会自动支持它。
我知道这是非常具体的任务，但为什么不试一试呢？我也知道如何实现这一点，但我想找到一辆现成的自行车:)
有没有人？
另一种可能的解决方案:库可以将unicode阿拉伯语从range U+0600 - U+06FF Arabic转换为range U+FE70 - U+FF6F Arabic Presentation Forms-B。然后，我可以安全地在cp864中获取字节。有人看到类似的东西了吗？
回答 1
Stack Overflow用户
回答已采纳
发布于 2015-06-10 18:19:45
要将阿拉伯文本输出到相对简单的输出设备，您需要做以下几件事情：
- 使用Unicode双向算法(UBA)将文本划分为具有不同方向性的块，俗称Bidi。
- 需要镜像的镜像字符(例如:在LTR/RTL块中打开圆括号指向不同方向)
- 由于输出设备是哑的，您需要将字符转换为它们的位置形式，并在需要的地方应用连接线( LAM +ALEF有一个连接线)。这是由一个名为阿拉伯Shaper的软件完成的。
- 您需要根据它们的方向性重新排序文本。
- 由于CP864没有所有字符的所有位置形式，所以您需要转换为回退形式，将一些最终形式转换为孤立形式，一些中间形式转换为初始形式，一些初始形式转换为孤立形式。文本将不像有适当的形式那样很好地连接起来，但它会相对接近。
在Java上，ICU库允许您这样做：
- ICU的Bidi可以处理分块、镜像和重新排序。重新排序可以在成形之前完成，因为ICU的ArabicShaping支持以逻辑(预重新排序)和可视(重新排序)顺序处理文本。
- ICU的ArabicShaping可以处理文本的成形，将其映射到适当的表示形式(您所提到的FExx范围，这并不意味着正常使用，它只用于与遗留软件/硬件的接口，在这种情况下，打印机可以理解CP864，而不是Unicode)。
- ICU的CharsetProvider和CharsetEncoder可用于对输出字符集以外的字符进行回退(非往返)转换为CP864，在这种情况下，最终的→隔离，中间→初始，.表单。
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/28982577
复制相关文章
相似问题
腾讯云开发者
