为什么我的字符集编码转换仅适用于小写字母？

Posted 2021-05-05

我已经为我的Web应用程序做了一些工作，因为我在第一次创建时没有在所有范围内将字符编码设置为UTF-8。我做了一个简单的字符转换java类，这样我就可以在需要的地方插入字符编码转换。这些是我的方法：

    public static String encodeUTF8ToLatin(String s) throws UnsupportedEncodingException {
        byte[] b = s.getBytes("UTF-8");
        return new String(b, "ISO-8859-1");     
    }

    public static String encodeLatinToUTF8(String s) throws UnsupportedEncodingException {
        byte[] b = s.getBytes("ISO-8859-1");
        return new String(b, "UTF-8");      
    }

由于特殊的丹麦语/挪威语字符ÆØÅ æøå，我使用这些方法。这些已经运行了一段时间了，但我刚刚发现第二种方法无法转换大写字符。发送String "ÆØÅ æøå"时，它返回"?????? æøå"。这让我很困惑，因为conversion table found here似乎声称所有六个字符都遵循相同的编码。

有谁知道为什么我的大写字符在这里没有正确转换？

更新：根据提供的答案，我可以说我在关于字符集和编码方面的知识存在一些严重的差距。我想我必须回到基础，阅读更多，然后我会决定这个问题后来是否可以挽救。

答案

您的encodeLatinToUTF8使用UTF-8编码将Unicode字符串转换为字节数组。然后它解码UTF-8编码的字节数组假装它是ISO-8859-1（有你的问题）并将其转换为Unicode字符串。

与其他方法相同。

你的方法有点无意义。字符串没有编码，因为它们已经被解码为字符。字符编码是一种将字符表示为8位数字的方法，因此它只在字节数组上下文中有意义。

另一答案

如果将String作为输入/输出，则无法进行任何转换。进行转换需要以下内容：

 public static byte[] encodeLatinToUTF8(byte[] b) throws UnsupportedEncodingException {
       return new String(b, "ISO-8859-1").getBytes();
    }

 public static String encodeLatinToUTF8(String s) throws UnsupportedEncodingException {
        return new String(b, "UTF-8").getBytes("ISO-8859-1");
    }

如果您已经从文件/流/字节数组中读取了一个字符串但编码错误，则修复它的内容已经不可能了。

另一答案

我终于成功了。在使用UTF-8创建新字符串之前，我只是使用“Windows-1252”而不是“ISO-8859-1”来获取字节。

我创建了一个新方法，适用于小写和大写字母：

public static String encodeWindows1252ToUTF8(String s) throws UnsupportedEncodingException {
        byte[] b = s.getBytes("Windows-1252");
        return new String(b, "UTF-8");      
    }

我通过引用this page找到了这个答案，其中指出：

症状以下字符失败，而其他字符显示正确：

€，ƒ‡â€“—“â€

商标和欧元货币符号，省略号，单和双“智能引号”，en和em破折号以及OE连字符经常使用，并且最有可能被报告为此问题的症状。

说明范围0x80-0x9F（128-159）...中的字符在Windows-1252中，而不在ISO-8859-1中。如果您只对该范围内的字符有问题，那是因为字符被视为ISO-8859-1而不是Windows-1252。

查找对ISO-8859-1的引用，并将其替换为“Windows-1252”（或CP1252，或您正在使用的库或平台的正确字符编码名称。）

失败的三个角色是Æ Ø和Ã…，都包括上面列表中的字符。