2

我一直在使用 i18n 的东西，并且认为我对此了解很多。但我正在测试一些东西，我越看它，它变得越糟。

我们从一个字符串开始：Boğaziçi Üniversitesi

它由我们的富客户端应用程序（运行 Windows 并使用 windows-1254）发送给我们，解释为 ISO-8859-1（不要问）并保存在 MySQL 数据库中。现在，在数据库中，我看到下面的字符值，可以这样解释为 windows-1254：

42 6f f0 61 7a 69 e7 69 20 dc 6e 69 76 65 72 73 69 74 65 73 69
 B  o  ğ  a  z  i  ç  i     Ü  n  i  v  e  r  s  i  t  e  s  i

到目前为止，一切都很好。这看起来是字符串的正确形式。

但是，这是通过在字符串上运行 getBytes() 得到的，没有或不同的编码：

BU.getBytes(): (21) 42 6f 3f 61 7a 69 8d 69 20 86 6e 69 76 65 72 73 69 74 65 73 69

BU.getBytes(windows-1254): (21) 42 6f 3f 61 7a 69 e7 69 20 dc 6e 69 76 65 72 73 69 74 65 73 69

BU.getBytes（ISO-8859-1）：（21）42 6f f0 61 7a 69 e7 69 20 dc 6e 69 76 65 72 73 69 74 65 73 69

BU.getBytes（UTF8）：（24）42 6f c3 b0 61 7a 69 c3 a7 69 20 c3 9c 6e 69 76 65 72 73 69 74 65 73 69

所以，看着最后一个，人们不得不想知道“ð”是从哪里来的。

42 6f c3 b0 61 7a 69 c3 a7 69 20 c3 9c 6e 69 76 65 72 73 69 74 65 73 69
B  o      ð  a  z  i     ç  i        Ü  n  i  v  e  r  s  i  t  e  s  i

从http://rishida.net/tools/conversion/，这是我期望获得的有效 UTF-8 字符串中的值：

42 6f C4 9F 61 7a 69 C3 A7 69 20 C3 9C 6e 69 76 65 72 73 69 74 65 73 69
 B  o     ğ  a  z  i     ç  i        Ü  n  i  v  e  r  s  i  t  e  s  i

在此处删除问题的最后一部分并替换为。

这段代码：

byte BU_Array[] = new byte[] { (byte)0x42, (byte)0x6F, (byte)0xF0, (byte)0x61,
   (byte)0x7A, (byte)0x69,(byte)0xE7, (byte)0x69, (byte)0x20, (byte)0xDC, 
   (byte)0x6E, (byte)0x69, (byte)0x76, (byte)0x65, (byte)0x72, (byte)0x73, 
    (byte)0x69, (byte)0x74, (byte)0x65, (byte)0x73, (byte)0x69 };

    try {
        String BU_Str_ISO88591 = new String(BU_Array, "ISO-8859-1");
        System.out.println("BU_Str_ISO88591   cP: "+codePointsToHex(BU_Str_ISO88591));

        String BU_Str_W1254 = new String(BU_Array, "windows-1254");
        System.out.println("BU_Str_W1254      cP: "+codePointsToHex(BU_Str_W1254));

        byte bytes_possibly_as_utf8[] = BU_Str_W1254.getBytes("UTF-8");
        System.out.println("bytes from BU_Str_W1254: "+Utilities.bytesToHex(bytes_possibly_as_utf8));

    } catch (java.io.UnsupportedEncodingException uee) {
        uee.printStackTrace();
    }

产生：

BU_Str_ISO88591 cP: (21): 42 6f f0 61 7a 69 e7 69 20 dc 6e 69 76 65 72 73 69 74 65 73 69
BU_Str_W1254 cP: (21): 42 6f 11f 61 7a 69 e7 69 20 dc 6e 69 76 65 72 73 69 74 65 73 69
bytes from BU_Str_W1254: (24)  42 6f c4 9f 61 7a 69 c3 a7 69 20 c3 9c 6e 69 76 65 72 73 69 74 65 73 69

这里令人困惑的是第一行中的第三个字符。

当我将一个字符串作为 windows-1254 提供给我们，但我们将其解释为 iso-8859-1 时，第三个字符的代码点是 f0。哪个是 windows-1254 中的正确字符。嗯？那只是巧合吗？我对此表示怀疑，但逻辑似乎很复杂。

所以，我想我在这里回答了我自己的问题。

4

0 回答 0