Java 1.6 Windows-1252编码在3个字符上失败
编辑：我确信这个问题有点不理智。感谢那些回应的人。我可以发布更具体的后续问题。 今天，我投资了一些编码问题，并编写了这个单元测试来分离一个基本复制案例：Java 1.6 Windows-1252编码在3个字符上失败,java,codepages,windows-1252,Java,Codepages,Windows 1252,编辑：我确信这个问题有点不理智。感谢那些回应的人。我可以发布更具体的后续问题。 今天，我投资了一些编码问题，并编写了这个单元测试来分离一个基本复制案例： int badCount = 0; for (int i = 1; i < 255; i++) { String str = "Hi " + new String(new char[] { (char) i }); String toLatin1 = new String(str.getBytes("UTF-8"),
int badCount = 0;
for (int i = 1; i < 255; i++) {
String str = "Hi " + new String(new char[] { (char) i });
String toLatin1 = new String(str.getBytes("UTF-8"), "latin1");
assertEquals(str, new String(toLatin1.getBytes("latin1"), "UTF-8"));
String toWin1252 = new String(str.getBytes("UTF-8"), "Windows-1252");
String fromWin1252 = new String(toWin1252.getBytes("Windows-1252"), "UTF-8");
if (!str.equals(fromWin1252)) {
System.out.println("Can't encode: " + i + " - " + str +
" - encodes as: " + fromWin1252);
badCount++;
}
}
System.out.println("Bad count: " + badCount);
int badCount=0；
对于（int i=1；i<255；i++）{
String str=“Hi”+新字符串（新字符[]{（字符）i}）；
字符串toLatin1=新字符串（str.getBytes（“UTF-8”），“latin1”）；
assertEquals（str，新字符串（toLatin1.getBytes（“latin1”），“UTF-8”）；
字符串toWin1252=新字符串（str.getBytes（“UTF-8”），“Windows-1252”）；
String fromWin1252=新字符串（toWin1252.getBytes（“Windows-1252”），“UTF-8”）；
如果（！str.equals（fromWin1252））{
System.out.println（“无法编码：”+i+“-”+str+
“-编码为：”+fromWin1252）；
坏计数++；
}
}
System.out.println（“坏计数：+badCount”）；
--James在我看来，测试程序有很大的缺陷，因为它在没有语义的字符串之间进行有效的无用转换 如果要检查所有字节值是否都是给定编码的有效值，则类似于以下内容：
public static void tryEncoding(final String encoding) throws UnsupportedEncodingException {
int badCount = 0;
for (int i = 1; i < 255; i++) {
byte[] bytes = new byte[] { (byte) i };
String toString = new String(bytes, encoding);
byte[] fromString = toString.getBytes(encoding);
if (!Arrays.equals(bytes, fromString)) {
System.out.println("Can't encode: " + i + " - in: " + Arrays.toString(bytes) + "/ out: "
+ Arrays.toString(fromString) + " - result: " + toString);
badCount++;
}
}
System.out.println("Bad count: " + badCount);
}
Windows-1252String->byte[]->String字节[]->字符串->字节[]public byte[] transcode(byte[] input, String inputEnc, String targetEnc)
{
return new String(input, inputEnc).getBytes(targetEnc);
}
当然，当输入包含目标编码不支持的字符时，它将丢失数据。您发布的代码没有任何意义（从字符串中获取UTF-8编码的数据，并将其解释为拉丁文1）。因此，很难理解您试图做的事情。我有一些数据编码为UTF-8，需要转码到Windows-1252。在我的制作系统中，我注意到这在193字符上失败了，所以我写了这个基本的复制案例，让我惊讶的是，这10个字符在Windows-1252和UTF-8之间没有对称编码。请注意，所有254个字符都可以在UTF-8和Latin1之间编码。因此我感到惊讶和困惑。这有用吗？你说的“转码”到底是什么意思？您想要表示相同标志符号的Windows-1252编码字节吗？如果是这样的话，那么您必须意识到这在所有情况下都是不可能的，因为UTF-8可以表示所有Unicode字符，而Windows-1252显然不能。我的问题没用。我可能会发布一个新的，但我想在发布之前挖掘更多，以便下次可以问一个更聪明的问题。Joachim，谢谢你的测试。请注意，上面的输出中没有字符193、205和207。为什么它们在Windows-1252中编码不正确，但在拉丁语1中编码正确？该代码映射到两个代码页中的同一个字符。@James：“为什么它们在Windows-1252中编码不正确”是错误的问题。字符U+00C1（代码点193）在UTF-8中表示为0xC3 0x81。当您尝试将这些字节解释为Windows-1252时，您会注意到0x81不是Windows-1252的有效值，将被替换为替换字符。这是有道理的。非常感谢。我需要提出一个新的问题，因为这一个问题混淆了这个问题。对不起，我不知道这和我的例子有什么不同。你能举个例子来说明这实际上是编码之间的代码转换吗？我的测试表明代码和我的代码完全一样。如果您有一个UTF-8编码的字节数组，并传入“Windows-1252”作为目标编码，您将无法返回正确编码的字符串——您将得到乱码。请参阅我的Charset transcode（）实现。“我想这就是我们所追求的。”James看来您对Java字符串的含义有一些误解。它们是解码的字符（内部使用UTF-16，但这与此无关）。不能解码字符串。字节数组被解码为字符串，字符串被编码为字节数组。代码转换以字节数组开始和结束，因为字节数组是抽象字符串的具体的、依赖于编码的表示形式。谢谢。我正在维护一个应用程序，其中字符串是在不正确的上游创建的（在某些DAO代码中，由于MySQL中的数据存储不正确）。原始字节为UTF-8，但字符串是使用Windows-1252创建的。我的目标是获取一个Java字符串，这是我目前所拥有的全部内容，并以某种方式对其进行转换，使其不至于胡言乱语。我意识到我并没有解决根本原因等问题，但在维修工程中，这有时是我们的困境。Jochaim的回答是0x81未在Wind中定义
public byte[] transcode(byte[] input, String inputEnc, String targetEnc)
{
return new String(input, inputEnc).getBytes(targetEnc);
}