最近在研究关于网站的验证码的自动识别的过程,于是首先试着自己先去生成图片验证码,在这之中就需要生成随机的汉字。
汉字区位码是采用一种科学可行的办法,为每个汉字编一个唯一的代码,以便计算机辨认、接收和处理。国标码是四位十六进制,为了便于交流,大家常用的是四位十进制的区位码。所有的国标汉字与符号组成一个94×94的矩阵。在此方阵中,每一行称为一个"区",每一列称为一个"位",因此,这个方阵实际上组成了一个有94个区(区号分别为0 1到94)、每个区内有94个位(位号分别为01到94)的汉字字符集。一个汉字所在的区号和位号简单地组合在一起就构成了该汉字的"区位码"。在汉字的区位码中,高两位为区号(高位码),低两位为位号(低位码)。 在区位码中,01-09区为682个特殊字符,16~87区为汉字区,包含6763个汉字 。其中16-55区为一级汉字(3755个最常用的汉字,按拼音字母的次序排列),56-87区为二级汉字(3008个汉字,按部首次序排列)。
在区位码的94*94的表格中查到的十进制的区位码转换为国标码:
国标区码:区码+160,国标位码:位码+160
生成中文字符的代码如下:
package com.zhuke;
import java.io.UnsupportedEncodingException;
import java.util.Random;
public class Test {
public static void main(String[] args) {
System.out.println(new Test().generateString(4));
}
/**
* 随机生成指定长度的随机汉字
*
* @param length
* 生成的中文字符串的长度
* @return 随机字符串
*/
public String generateString(int length) {
String s = "";
for (int i = 0; i < length; i++) {
// 16-55区为一级汉字(3755个最常用的汉字,按拼音字母的次序排列),生成常用的汉字的高位码
int highPos = 176 + new Random().nextInt(39);
// 生成低位码
int lowPos = 161 + new Random().nextInt(93);
// 将生成的区位码存储在字节数组中,用于生成汉字
byte[] b = new byte[] { new Integer(highPos).byteValue(),
new Integer(lowPos).byteValue() };
try {
s = s + new String(b, "GBK");
} catch (UnsupportedEncodingException e) {
// TODO Auto-generated catch block
e.printStackTrace();
}
}
return s;
}
}