Java 将字符串从一个字符集转换为另一个字符集

我正在致力于将字符串从一个字符集转换为另一个字符集，阅读了很多关于它的示例，最后找到了下面的代码，这对我来说很不错，作为一个字符集编码的新手，我想知道，这是否是正确的方法

public static byte[] transcodeField(byte[] source, Charset from, Charset to) {
    return new String(source, from).getBytes(to);
} 

要将字符串从ASCII转换为EBCDIC，我必须执行以下操作：

System.out.println(new String(transcodeField(ebytes,
                Charset.forName("US-ASCII"), Charset.forName("Cp1047"))));

System.out.println(new String(transcodeField(ebytes,
                Charset.forName("Cp1047"), Charset.forName("US-ASCII"))));

要将EBCDIC转换为ASCII，我必须执行以下操作：

System.out.println(new String(transcodeField(ebytes,
                Charset.forName("US-ASCII"), Charset.forName("Cp1047"))));

System.out.println(new String(transcodeField(ebytes,
                Charset.forName("Cp1047"), Charset.forName("US-ASCII"))));

您找到的代码（

transcodeField

）没有将

字符串

从一种编码转换为另一种编码，因为

字符串

没有编码。它将字节从一种编码转换为另一种编码。仅当您的用例满足2个条件时，该方法才有用：

您的输入数据是一种编码中的字节

您的输出数据需要是其他编码中的字节

在这种情况下，这是直截了当的：

byte[] out = transcodeField(inbytes, Charset.forName(inEnc), Charset.forName(outEnc));

如果输入数据包含无法在输出编码中表示的字符（例如将复杂的

UTF8

转换为

ASCII

），这些字符将被替换为

？

，数据将被损坏

但是，请询问“”，并用以下代码片段回答：

String s=新字符串（source.getBytes（inputEncoding），outputEncoding）

这完全是胡说八道。
getBytes（String encoding）
方法返回一个字节数组，其中包含按指定编码编码的字符（如果可能，无效字符也会转换为
？
）。带有第2个参数的字符串构造函数从字节数组创建新字符串，其中字节采用指定的编码。现在，由于您刚刚使用
source.getBytes（inputEncoding）
来获取这些字节，因此它们不是
outputEncoding
中的编码（除非编码使用相同的值，这对于像
abcd
这样的“普通”字符很常见，但与像重音字符这样的更复杂字符不同

那么这意味着什么呢？这意味着当你有一个Java
字符串时，一切都很好<代码>字符串
是unicode，这意味着所有字符都是安全的。当您需要将
字符串
转换为字节时，就会出现问题，这意味着您需要决定编码。选择与unicode兼容的编码，如
UTF8
，
UTF16
等，这非常好。这意味着您的字符仍然是安全的，即使您的字符串包含各种奇怪的字符。如果选择不同的编码（US-ASCII
是最不支持的编码），则字符串必须仅包含编码支持的字符，否则将导致字节损坏

现在，最后是一些好的和坏的用法的例子

String myString = "Feng shui in chinese is 風水";
byte[] bytes1 = myString.getBytes("UTF-8");  // Bytes correct
byte[] bytes2 = myString.getBytes("US-ASCII"); // Last 2 characters are now corrupted (converted to question marks)

String nordic = "Här är några merkkejä";
byte[] bytes3 = nordic.getBytes("UTF-8");  // Bytes correct, "weird" chars take 2 bytes each
byte[] bytes4 = nordic.getBytes("ISO-8859-1"); // Bytes correct, "weird" chars take 1 byte each
String broken = new String(nordic.getBytes("UTF-8"), "ISO-8859-1"); // Contains now "Här är några merkkejä"

最后一个示例演示，尽管两种编码都支持北欧字符，但它们使用不同的字节来表示它们，并且在解码时使用错误的编码会导致错误。因此，不存在“将字符串从一种编码转换为另一种编码”这样的事情，并且您永远不应该使用断开的示例

还请注意，您应该始终指定所使用的编码（同时使用
getBytes（）
和
newstring（）
），因为您不能相信默认编码总是您想要的编码

作为最后一个问题，它们不是一回事，但它们有很大的关联

从技术上讲，字符串在JVM内部的存储方式是UTF-16编码，直到Java 8，以及从Java 9开始，但开发人员不需要关心这一点


注意

有可能有一个已损坏的字符串，并且可以通过修改编码来清除它，这可能是这种“将字符串转换为其他编码”误解的根源

// Input comes from network/file/other place and we have misconfigured the encoding 
String input = "Här är några merkkejä"; // UTF-8 bytes, interpreted wrongly as ISO-8859-1 compatible
byte[] bytes = input.getBytes("ISO-8859-1"); // Get each char as single byte
String asUtf8 = new String(bytes, "UTF-8"); // Recreate String as UTF-8

如果
输入
中没有损坏的字符，字符串现在将被“修复”。然而，正确的方法是在读取
输入时使用正确的编码，而不是事后修复。尤其是当它有可能被破坏时。
您是否运行了代码？它是否按预期工作？请使用此信息编辑您的问题。我需要将EBCDIC（HP）转换为ASCII，因此我得到的结果不符合预期。您是否尝试过我的解决方案？此问题很重要，因为它要求验证广泛共享的算法。然而，为了防止人们认为它是正确的，请提出问题，以明确它是错误的，并考虑接受@ KayaMn。迂回地，JavaLang.string仅为UTF 16，所以只能将字符串从UTF 16转换为UTF 16。正如您所指出的，其他转换可以是与字节数组之间的转换，也可以是与字节数组之间的转换。字符串是UTF-16代码单元的计数序列这一事实在Java中索引和迭代（以及执行字符算术）时非常重要。这就是为什么有很多方法处理Unicode代码点的原因。你是对的，我甚至没有涉及到代码点：）这个问题非常复杂，我想提供一个合理的答案，这样我就可以将它与所有“字符串转换”问题联系起来。如果你有任何改进的建议，一定要告诉我。我将尝试改进这个答案，并将其缩小一点。我唯一的批评是关于UTF-16的一点。我认为这是一个重要问题的好答案。这个问题很重要，因为它提出了一些非常错误的问题。