Java Base64中的日语字符编码

我被要求修复我们电子邮件处理软件中的一个错误。 当主题编码如下的消息：

=?ISO-2022-JP?B?GyRCR1s/LiVGJTklSC1qRnxLXDhsGyhC?=

接收时，它被错误解码-其中一个日文字符未正确呈现。它的渲染方式如下：配信テスト？日本語 应该是什么时候配信テスト㈱日本語 我不懂日语——很明显，其中一个字符，括号中的那个字符，没有被翻译出来

解码由javax.mail.internet.MimeUtility.decodeText执行

如果我用在线解码器试一下，我唯一发现的是它似乎工作正常，所以我怀疑MimeUtility中有一个bug

所以我尝试了一些实验，以这个小程序的形式：

public class Encoding {

  private static final Charset CHARSET = Charset.forName("ISO-2022-JP");

  public static void main(String[] args) throws UnsupportedEncodingException {

        String control = "繋がって";
        String subject= "配信テスト㈱日本語";            

        String controlBase64 = japaneseToBase64(control);
        System.out.println(controlBase64);
        System.out.println(base64ToJapanese(controlBase64));

        String subjectBase64 = japaneseToBase64(subject);
        System.out.println(subjectBase64);
        System.out.println(base64ToJapanese(subjectBase64));

  }

  private static String japaneseToBase64(String in) {
        return Base64.encodeBase64String(in.getBytes(CHARSET));
  }

  private static String base64ToJapanese(String in) {
        return new String(Base64.decodeBase64(in), CHARSET);
  }

}

Base64和Hex类位于org.apache.commons.codec中

当我运行它时，输出如下：

GyRCN1IkLCRDJEYbKEI=
繋がって
GyRCR1s/LiVGJTklSCEpRnxLXDhsGyhC
配信テスト？日本語

第一个较短的日文字符串是一个控件，它返回与输入相同的内容，已使用字符集ISO-2022-JP转换为Base64并再次转换回。好的

第二个日文字符串是带有不可靠字符的字符串。正如你所看到的，它返回一个？而不是角色。Base64编码输出也不同于原始主题编码

---

抱歉，如果这太长了，我想彻底检查一下。发生了什么，如何正确解码此字符？

尝试在编码中使用MS932或Shift JIS。意味着

private static final Charset CHARSET = Charset.forName("MS932"); 

---

日语中有不同的脚本，如汉字、片假名。有些编码（如Cp132）不支持某些日语字符。您面临的问题是您在代码中使用的编码ISO-2022-JP。

请尝试在编码中使用MS932或Shift JIS。意味着

private static final Charset CHARSET = Charset.forName("MS932"); 

---

日语中有不同的脚本，如汉字、片假名。有些编码（如Cp132）不支持某些日语字符。您面临的问题是您在代码中使用的ISO-2022-JP编码。

ISO-2022-JP使用称为ku和ten的字节对，索引到94×94的字符表中。失败的一对有ku 12和ten 73，这在我所基于的有效字符表中没有列出。所有ku=12似乎都未使用

---

维基百科也没有列出JIS X 0208的任何更新。可能发送方正在使用某种供应商定义的扩展？

ISO-2022-JP使用称为ku和ten的字节对，索引到94×94的字符表中。失败的一对有ku 12和ten 73，这在我所基于的有效字符表中没有列出。所有ku=12似乎都未使用

维基百科也没有列出JIS X 0208的任何更新。也许发送方正在使用某种供应商定义的扩展？

尽管ISO-2022-JP是一种可变宽度编码，Java似乎不支持它所在的字符集部分，这可能是因为ISO-2022-JP-2中缺少转义序列，而ISO-2022-JP-3和ISO-2022-JP-2004中不支持转义序列。但是，UTF-8、UTF-16和UTF-32不支持所有字符

UTF-32：

AAB+SwAAMEwAADBjAAAwZg==
繋がって
AACRTQAAT+EAADDGAAAwuQAAMMgAADIxAABl5QAAZywAAIqe
配信テスト㈱日本語

另外，不管是否使用UTF-32，当字符串按原样打印时，它们保留其自然编码并正常显示。

尽管ISO-2022-JP是可变宽度编码，Java似乎不支持它所在的字符集部分，这可能是因为ISO-2022-JP-2中缺少转义序列，而ISO-2022-JP-3和ISO-2022-JP-2004中不支持转义序列。但是，UTF-8、UTF-16和UTF-32不支持所有字符

UTF-32：

AAB+SwAAMEwAADBjAAAwZg==
繋がって
AACRTQAAT+EAADDGAAAwuQAAMMgAADIxAABl5QAAZywAAIqe
配信テスト㈱日本語

---

另外，无论是否使用UTF-32，当字符串按原样打印时，它们保留其自然编码并正常显示。

错误不在软件中，但主题字符串本身的编码不正确。其他软件可能能够通过对内容进行进一步假设来解码文本，就像通常假设0x80-0x9f范围内的字符是Cp1252编码的一样，尽管指定了ISO-8859-1或ISO-8859-15

---

ISO-2022-JP是一种多字符集编码，使用转义序列在实际使用的字符集之间切换。编码字符串以ESC$B开头，表示使用了字符集JIS X 0208-1983。有问题的字符编码为0x2d6a。该代码点未在引用的字符集中定义，但后来添加到JIS X 0213:2000（JIS X字符集规范的较新版本）中

错误不在您的软件中，但主题字符串本身的编码不正确。其他软件可能能够通过对内容进行进一步假设来解码文本，就像通常假设0x80-0x9f范围内的字符是Cp1252编码的一样，尽管指定了ISO-8859-1或ISO-8859-15

ISO-2022-JP是一种多字符集编码，使用转义序列进行转换

---

在实际使用的字符集之间进行切换。编码字符串以ESC$B开头，表示使用了字符集JIS X 0208-1983。有问题的字符编码为0x2d6a。该代码点未在引用的字符集中定义，但后来添加到JIS X 0213:2000（JIS X字符集规范的较新版本）中

尝试在编码中使用MS932。表示私有静态最终字符集Charset=Charset.forNameMS932；您是否尝试使用SHIFT-JIS作为字符集？好的，但通常您应该将UTF-8转换为Base64。。。使用MS932是可行的，使用SHIFT-JIS产生的结果与以前相同。Mime编码字符串指定ISO-2022-JP，我不太愿意忽略指定的编码。MS932是Windows代码页932，它实际上是带有微软扩展的JIS X 0208。就像你看到的latin1包含微软的智能引号一样。试着在编码中使用MS932。表示私有静态最终字符集Charset=Charset.forNameMS932；您是否尝试使用SHIFT-JIS作为字符集？好的，但通常您应该将UTF-8转换为Base64。。。使用MS932是可行的，使用SHIFT-JIS产生的结果与以前相同。Mime编码字符串指定ISO-2022-JP，我不太愿意忽略指定的编码。MS932是Windows代码页932，它实际上是带有微软扩展的JIS X 0208。就像你看到的latin1一样，它包含了微软的智能报价。