Java 从internet获取的文本的UTF8转换

ElasticSearch是一个只接受UTF8格式数据的搜索服务器

当我尝试给ElasticSearch以下文本

可能会减少报告工作量的小型企业包括年营业额低于440000英镑、净资产低于220000英镑和员工少于10人的企业。”

通过我的java应用程序-基本上，我的java应用程序从网页中获取此信息，并将其提供给elasticSearch。它无法理解，并且失败。在过滤下面的代码后-

byte bytes[] = s.getBytes("ISO-8859-1");
s = new String(bytes, "UTF-8");

此处将

（

转换为

�

但是，当我使用bash将它复制到我的主目录中的文件时，它会正常运行。任何指针都会有帮助。
您在
字节中有ISO-8895-1八位字节，然后您告诉
字符串
解码，就像它是UTF-8一样。当它这样做时，它不会识别非法的0xA3序列，并用替换字符替换它演员

要做到这一点，您必须使用它使用的编码构造字符串，然后将其转换为所需的编码。请参阅。
UTF-8比人们想象的要简单。在字符串中，所有内容都是unicode字符。
字节/字符串转换如下所示。
（注Cp1252或Windows-1252是ISO-8859-1的Windows Latin1扩展；更好地使用
那一个。）

要了解为什么Cp1252比ISO-8859-1更合适：
字符串s是一系列基本上独立于任何字符编码的字符（好的，不是完全独立的，但现在已经足够接近我们的需要）。当您将数据加载到字符串中时，数据中的任何编码都已被解码。解码是使用系统默认编码或（这实际上总是一个错误，永远不要使用系统默认编码，相信我，我在处理错误默认编码相关的错误方面有超过10年的经验）或加载数据时明确指定的编码

当您为字符串调用getBytes（“ISO-8859-1”）时，您请求根据ISO-8859-1编码将字符串编码为字节

从字节数组创建字符串时，需要指定表示字节数组中字符的编码。从UTF-8编码的字节数组创建字符串（在ISO-8859-1编码的正上方，这是您的错误）

您要做的是：

byte bytes[] = s.getBytes("UTF-8");
s = new String(bytes, "UTF-8");

@VineethMohan为什么要使用
getBytes（“ISO-8859-1”）
？我认为您需要使用UTF-8？我需要识别基本编码。我假设文本编码为ISO-8859-1页面是否声明编码？实际字节是什么样子的？如果神秘字符显示为0xA3，那么它是8859-1或类似的；在UTF8中，它是0xC2 0xA3是否有办法将任何字符移动到UTF8，类似于逃避可能重复的
byte bytes[] = s.getBytes("UTF-8");
s = new String(bytes, "UTF-8");