&引用；“固定”；Java中的字符串编码

我使用UTF-8编码，从

字节[]

数组创建了一个

字符串。

但是，它应该使用另一种编码（Windows-1252）创建

有没有办法将此字符串转换回正确的编码

我知道，如果您可以访问原始字节数组，这很容易做到，但在我的情况下，这太晚了，因为它是由一个封闭源代码库提供的。
您可以使用这个

您需要的字符集应该在rt.jar中定义（根据）
您想要做的是不可能的。一旦有了Java字符串，有关字节数组的信息就会丢失。您可能有幸进行了“手动转换”。创建所有windows-1252字符及其到UTF-8的映射的列表。然后迭代字符串中的所有字符，将它们转换为正确的编码

编辑：
正如一位评论人士所说，这是行不通的。当您将Windows-1252字节数组转换为UTF-8时，必然会出现编码异常。（请参阅和）。
由于对这是否可能存在一些混淆，我认为我需要提供一个广泛的示例

该问题声称（初始）输入是包含编码数据的
字节[]
。我将其称为
byte[]
ib
（用于“初始字节”）

对于本例，我将选择德语单词“Bär”（意思是熊）作为输入：

byte[] ib = new byte[] { (byte) 0x42, (byte) 0xE4, (byte) 0x72 };
String correctString = new String(ib, "Windows-1252");
assert correctString.charAt(1) == '\u00E4'; //verify that the character was correctly decoded.

（如果您的JVM不支持这种编码，那么您可以使用ISO-8859-1，因为这三个字母（以及大多数其他字母）在这两种编码中的位置相同）

问题是，其他一些代码（不在我们的影响范围内）已经使用UTF-8编码将
字节[]
转换为字符串（我称
字符串
为“输入字符串”）。该
String
是可用于实现我们目标的唯一输入（如果
is
可用，它将是微不足道的）：

这显然会产生不正确的输出“B”�".

目标是产生
ib
（或该
字节[]
的正确解码），只有可用

现在有人声称，从
is
获取UTF-8编码字节将返回一个与初始数组值相同的数组：

byte[] utf8Again = is.getBytes("UTF-8");

但是它返回两个字符的UTF-8编码
B
和
�并在重新解释为Windows-1252时返回错误的结果：

System.out.println(new String(utf8Again, "Windows-1252");

这一行产生输出“Bèè½”，这是完全错误的（如果初始数组包含非单词“Bür”，则结果也是相同的）

因此在这种情况下无法撤消操作，因为信息丢失

事实上，在某些情况下，这样的错误编码是可以撤销的。如果一切可能的话（或者至少发生了），这种错误编码更有可能奏效字节序列在该编码中是有效的。由于UTF-8有几个字节序列根本不是有效值，因此您将遇到问题。
我尝试了这个方法，但出于某种原因它起了作用

修复编码问题的代码（它不能完美工作，我们将很快看到）：

结果是：

 input: …Und ich beweg mich (aber heut nur langsam)
 fixed: …Und ich beweg mich (aber heut nur langsam)

下面是另一个例子：

 input: Waun da wuan ned wa (feat. Wolfgang Kühn)
 fixed: Waun da wuan ned wa (feat. Wolfgang Kühn)

下面是正在发生的事情以及为什么上面的技巧似乎有效：

原始文件是UTF-8编码的文本文件（逗号分隔）
该文件是用Excel导入的，但用户错误地输入了Windows 1252编码（这可能是他或她的计算机上的默认编码）
用户认为导入成功，因为ASCII范围内的所有字符看起来都正常
现在，当我们试图“逆转”这个过程时，会发生以下情况：

 // we start with this garbage, two characters we don't want!
 String input = "ü";

 final Charset cp1252 = Charset.forName("windows-1252");
 final Charset utf8 = Charset.forName("UTF-8");

 // lets convert it to bytes in windows-1252:
 // this gives you 2 bytes: c3 bc
 // "Ã" ==> c3
 // "¼" ==> bc
 bytes[] windows1252Bytes = input.getBytes(cp1252);

 // but in utf-8, c3 bc is "ü"
 String fixed = new String(windows1252Bytes, utf8);

 System.out.println(input);
 System.out.println(fixed);

上述编码固定码可以正常工作，但对以下字符无效：

（假设仅使用Windows 1252中的1字节字符）：

它适用于某些字符，例如：

Þ       c3 9e           |       Þ      c3 9e           Þ
ß       c3 9f           |       ß      c3 9f           ß
à       c3 a0           |       à      c3 a0           à
á       c3 a1           |       á      c3 a1           á
â       c3 a2           |       â      c3 a2           â
ã       c3 a3           |       ã      c3 a3           ã
ä       c3 a4           |       ä      c3 a4           ä
å       c3 a5           |       Ã¥      c3 a5           å
æ       c3 a6           |       æ      c3 a6           æ
ç       c3 a7           |       ç      c3 a7           ç

注意-我最初认为这与你的问题有关（我自己也在做同样的事情，我想我会分享我学到的东西），但我的问题似乎略有不同。也许这会帮助其他人。
我现在明白了这个问题。对不起，这就像在编码无效UTF-8字节时出现溢出问题[]这会导致数据丢失。谢谢你的教训。那� 是具有三个字节0xEF 0xBF 0xBD的Unicode替换字符。
 // we start with this garbage, two characters we don't want!
 String input = "ü";

 final Charset cp1252 = Charset.forName("windows-1252");
 final Charset utf8 = Charset.forName("UTF-8");

 // lets convert it to bytes in windows-1252:
 // this gives you 2 bytes: c3 bc
 // "Ã" ==> c3
 // "¼" ==> bc
 bytes[] windows1252Bytes = input.getBytes(cp1252);

 // but in utf-8, c3 bc is "ü"
 String fixed = new String(windows1252Bytes, utf8);

 System.out.println(input);
 System.out.println(fixed);

char    utf-8 bytes     |   string decoded as cp1252 -->   as cp1252 bytes 
”       e2 80 9d        |       â€�                        e2 80 3f
Á       c3 81           |       Ã�                         c3 3f
Í       c3 8d           |       Ã�                         c3 3f
Ï       c3 8f           |       Ã�                         c3 3f
Р      c3 90           |       �                         c3 3f
Ý       c3 9d           |       Ã�                         c3 3f

Þ       c3 9e           |       Þ      c3 9e           Þ
ß       c3 9f           |       ß      c3 9f           ß
à       c3 a0           |       à      c3 a0           à
á       c3 a1           |       á      c3 a1           á
â       c3 a2           |       â      c3 a2           â
ã       c3 a3           |       ã      c3 a3           ã
ä       c3 a4           |       ä      c3 a4           ä
å       c3 a5           |       Ã¥      c3 a5           å
æ       c3 a6           |       æ      c3 a6           æ
ç       c3 a7           |       ç      c3 a7           ç