Java 无法将连字符转换为UTF-8

我正在读我从维基百科上得到的一些文本。 文本包含类似连字符的字符串：“澳大利亚[[2011–12 NBL赛季]]”“

我正在尝试使用以下代码将文本转换为utf-8：

String myStr = "Australia for the [[2011–12 NBL season]]";
new String(myStr.getBytes(), "utf-8");

结果是：

Australia for the [[2011�12 NBL season]]

问题是连字符映射不正确

以字节为单位的连字符值为[-106]（我不知道如何处理它…）

您知道如何将其转换为utf-8编码识别的连字符吗

---

我很乐意用一些通用代码替换其他特殊字符，但也可以使用特定的“连字符”替换代码。这是因为源代码（编辑器）可能在Windows-1252（扩展拉丁语-1）中，并且它是用另一种编码UTF-8（编译器）编译的。这两种编码必须相同，或者在源代码中使用“\u00AD”，即连字符的ASCII表示形式。

问题代码点是可以用转义

\u2013

表示的代码点

尝试将字符串替换为“2011\u201312”。如果这样做有效，则编辑器字符编码与正在使用的字符编码之间存在不匹配

否则，问题在于从字符串到要写入的任何设备的转码操作。当使用错误的编码时，从字节转换为字符或从字符转换为字节的任何地方都可能出现损坏；这可能包括

System.out

---

注意：Java字符串总是UTF-16

new String(myStr.getBytes(), "utf-8");

这段代码接受UTF-16，将其转换为平台编码（可能是任何编码），然后假装其UTF-8并将其转换回UTF-16。充其量，平台编码是UTF-8，这是一个不可操作的编码；否则它只会损坏数据

以下是在Java中创建UTF-8的方法：

byte[] utf8 = str.getBytes(StandardCharsets.UTF_8); // Java 7

你可以读更多