如何在 Java 字符串中存储 EBCDIC (IBM-1047) 编码文本而不损坏它？

Posted 2023-02-16

【中文标题】如何在 Java 字符串中存储 EBCDIC (IBM-1047) 编码文本而不损坏它？

【英文标题】：How to store EBCDIC (IBM-1047) encoding text in Java String without corrupting it?

【发布时间】：2017-08-25 12:23:35

【问题描述】：

我的 java 程序正在尝试读取文本文件（大型机 VSAM 文件转换为平面文件）。我相信这意味着，文件以 EBCDIC 格式编码。

我正在使用com.ibm.jzos.FileFactory.newBufferedReader(fullyQualifiedFileName, ZFile.DEFAULT_EBCDIC_CODE_PAGE); 打开文件。

并使用String inputLine = inputFileReader.readLine() 读取一行并将其存储在java 字符串变量中以进行处理。当存储在 String 变量中时，我读取了该文本变为 unicode。

在java字符串变量中存储时如何保证内容不损坏？

【问题讨论】：

如果您在该 BufferedReader 上选择正确的编码，则不会损坏任何内容。向 Unicode 的转换（Java 字符串必须发生）是无损的。

【参考方案1】：

字符集解码器会将字节映射到其正确的字符串 Unicode。反之亦然。

唯一的问题是 BufferedReader.readLine 将删除行尾（也是 EBCDIC 行尾 NEL 字符，\u0085 - 也是公认的 Unicode 换行符）。所以在写的时候自己写 NEL，或者设置 System line separator 属性。

没有什么比用 256 个 EBCDIC 字符编写单元测试并来回转换它们更容易的了。

【参考方案2】：

如果你用正确的字符集读取了文件（这是这里最大的假设），那么Java本身内部使用Unicode也没关系，Unicode包含EBCDIC的所有字符。

字符集指定字符（代码点）与一个或多个字节之间的映射。一个文件只不过是一个字节流，如果你应用正确的字符集，那么正确的字符就会映射到内存中。

假设字节 1 映射到字符集 X 中的“A”和 UTF-16 中的字节 0 和 65，那么使用字符集 X 读取包含字节 1 的文件将使系统读取字符“A”，即使该系统在内存中使用字节 0 和 65 来存储该字符。

但是没有办法知道您是否使用了正确的字符集，除非您现在明确指出实际结果应该是什么。