Java：关于字符集转换的建议

我一直在研究一个实现以下功能的场景：

获取Unicode格式的输入数据；[UTF-8]

转换为ISO-8559

检测并替换不支持的编码字符；[基于用户定义的键值对]

我的问题是，我一直在试图深入查找有关ISO-8559的信息，但运气不佳。有人知道更多关于这件事吗？这个和ISO-8859有什么不同？任何细节都会很有帮助

第二，撇开ISO-8559要求不谈，我继续编写程序，用Java将传入数据转换为ISO-8859。虽然我能够使用基于字符的替换来实现所需的功能，但当数据量很大时，这显然似乎很耗时。[以百万美元计]

---

我相信一定有更好的办法。有人能告诉我吗？

我想你想把UTF-8转换成ISO-8859-1，也就是西方拉丁语-1。网络中有许多字符集表

一般来说，对于web浏览器和Windows，最好转换为Windows-1252，这是一个扩展，重新定义了0x80-0xBF范围，如MS Word中的特殊引号所示。浏览器实际上能够在ISO-559-1中解释这些代码，即使在Mac上也是如此

像

newoutputstreamwriter（newfileoutputstream（“…”，“Windows-1252”）

这样的Java标准转换已经做了很多。您可以编写一种筛选器，也可以查找引入的

？

未翻译的特殊字符。您可以将带有Windows-1252以外重音的拉丁字母翻译为ASCII字母：

    String s = ...
    s = Normalizer.normalize(s, Normalizer.Form.NFD);
    return s = s.replaceAll("\\p{InCombiningDiacriticalMarks}", "");

对于其他脚本，如印地语或西里尔语，要搜索的关键字是音译

---

似乎与另一个领域有关。似乎如此。我发现了更多关于ISO-8559@Srii的信息：不，这是一个简单（但非常一致！）的打字错误。我敢肯定，给你这个任务的人也犯了错误。ISO-8559与字符集无关，而ISO-8859是该领域非常常见的规范。我敢打赌他们的意思是ISO-8859。第二个链接似乎在谈论8859。是因为法国的数字系统吗？哈我怀疑OP正在谈论它的

ISO-8859-1

，多亏了Joop，normalizer类似乎替换了所有的双字符标记，而我只想根据链接到程序的属性文件替换一组少数字符。由于翻译失败而产生的问号成为一个通用符号，因此包含要替换的值-&-要替换的值的属性文件将无效。例如：如果数据包含SÄSöSÄSöS，则转换结果可能如下：S？S？S？S？S。属性文件中定义的等式，Ä=A&ö=o实现变得几乎困难。也许我错了，但我很高兴被纠正。+1从欧洲的角度来看：

ISO-8859-1

最大的缺点是它不包含

€

符号。但是

Windows-1252

有。@FabianBarney:ISO-8859-15也有。我没有想到实际的代码，因为它很棘手。首先替换“？”，然后翻译；其中显示“？”，查找原始字符，并将其替换为ASCII版本并恢复原始问号。这将在

ç

（拉丁语-1）中留下，而不是

ĉ

（拉丁语-3，UTF-8）。@JoachimSauer提到ISO-8859-15是一个很好的观点。尽管带有ISO-8859-15的HTML页面不会显示Windows-1252的128-159范围，而ISO-8859-1将（非法）显示该范围。比如逗号式的引号。