66

我正在尝试将用 Java 编码的 UTF-8 字符串转换为 ISO-8859-1。例如，在字符串 'âabcd' 中，'â' 在 ISO-8859-1 中表示为 E2。在 UTF-8 中，它表示为两个字节。C3 A2 我相信。当我执行 getbytes(encoding) 然后使用 ISO-8859-1 编码中的字节创建一个新字符串时，我得到两个不同的字符。¢。有没有其他方法可以做到这一点，以保持字符相同，即âabcd？

4

8 回答 8

109

如果您正在处理 UTF-16 以外的字符编码，则不应该使用java.lang.String或char原语——您应该只使用byte[]数组或ByteBuffer对象。然后，您可以使用java.nio.charset.Charset在编码之间进行转换：

Charset utf8charset = Charset.forName("UTF-8");
Charset iso88591charset = Charset.forName("ISO-8859-1");

ByteBuffer inputBuffer = ByteBuffer.wrap(new byte[]{(byte)0xC3, (byte)0xA2});

// decode UTF-8
CharBuffer data = utf8charset.decode(inputBuffer);

// encode ISO-8559-1
ByteBuffer outputBuffer = iso88591charset.encode(data);
byte[] outputData = outputBuffer.array();
于 2009-03-17T20:43:21.443 回答
39 
byte[] iso88591Data = theString.getBytes("ISO-8859-1");

会成功的。根据您的描述，您似乎正在尝试“存储 ISO-8859-1 字符串”。Java 中的字符串对象总是以 UTF-16 隐式编码。无法更改该编码。

你可以做的是获取构成它的其他编码的字节（使用.getBytes()如上所示的方法）。

于 2009-03-17T20:39:17.193 回答
9

从一组使用 UTF-8 对字符串进行编码的字节开始，从该数据创建一个字符串，然后获取一些以不同编码对字符串进行编码的字节：

    byte[] utf8bytes = { (byte)0xc3, (byte)0xa2, 0x61, 0x62, 0x63, 0x64 };
    Charset utf8charset = Charset.forName("UTF-8");
    Charset iso88591charset = Charset.forName("ISO-8859-1");

    String string = new String ( utf8bytes, utf8charset );

    System.out.println(string);

    // "When I do a getbytes(encoding) and "
    byte[] iso88591bytes = string.getBytes(iso88591charset);

    for ( byte b : iso88591bytes )
        System.out.printf("%02x ", b);

    System.out.println();

    // "then create a new string with the bytes in ISO-8859-1 encoding"
    String string2 = new String ( iso88591bytes, iso88591charset );

    // "I get a two different chars"
    System.out.println(string2);

这会正确输出字符串和 iso88591 字节：

âabcd 
e2 61 62 63 64 
âabcd

所以你的字节数组没有与正确的编码配对：

    String failString = new String ( utf8bytes, iso88591charset );

    System.out.println(failString);

输出

âabcd

（或者，或者您只是将 utf8 字节写入文件并在其他地方以 iso88591 的形式读取它们）

于 2009-03-17T22:25:03.287 回答
2

这就是我需要的：

public static byte[] encode(byte[] arr, String fromCharsetName) {
    return encode(arr, Charset.forName(fromCharsetName), Charset.forName("UTF-8"));
}

public static byte[] encode(byte[] arr, String fromCharsetName, String targetCharsetName) {
    return encode(arr, Charset.forName(fromCharsetName), Charset.forName(targetCharsetName));
}

public static byte[] encode(byte[] arr, Charset sourceCharset, Charset targetCharset) {

    ByteBuffer inputBuffer = ByteBuffer.wrap( arr );

    CharBuffer data = sourceCharset.decode(inputBuffer);

    ByteBuffer outputBuffer = targetCharset.encode(data);
    byte[] outputData = outputBuffer.array();

    return outputData;
}
于 2016-02-17T22:20:35.610 回答
0

对于文件编码...

public class FRomUtf8ToIso {
        static File input = new File("C:/Users/admin/Desktop/pippo.txt");
        static File output = new File("C:/Users/admin/Desktop/ciccio.txt");


    public static void main(String[] args) throws IOException {

        BufferedReader br = null;

        FileWriter fileWriter = new FileWriter(output);
        try {

            String sCurrentLine;

            br = new BufferedReader(new FileReader( input ));

            int i= 0;
            while ((sCurrentLine = br.readLine()) != null) {
                byte[] isoB =  encode( sCurrentLine.getBytes() );
                fileWriter.write(new String(isoB, Charset.forName("ISO-8859-15") ) );
                fileWriter.write("\n");
                System.out.println( i++ );
            }

        } catch (IOException e) {
            e.printStackTrace();
        } finally {
            try {
                fileWriter.flush();
                fileWriter.close();
                if (br != null)br.close();
            } catch (IOException ex) {
                ex.printStackTrace();
            }
        }

    }


    static byte[] encode(byte[] arr){
        Charset utf8charset = Charset.forName("UTF-8");
        Charset iso88591charset = Charset.forName("ISO-8859-15");

        ByteBuffer inputBuffer = ByteBuffer.wrap( arr );

        // decode UTF-8
        CharBuffer data = utf8charset.decode(inputBuffer);

        // encode ISO-8559-1
        ByteBuffer outputBuffer = iso88591charset.encode(data);
        byte[] outputData = outputBuffer.array();

        return outputData;
    }

}
于 2014-05-20T09:45:45.300 回答
0

如果字符串中有正确的编码，则无需执行更多操作来获取其他编码的字节。

public static void main(String[] args) throws Exception {
    printBytes("â");
    System.out.println(
            new String(new byte[] { (byte) 0xE2 }, "ISO-8859-1"));
    System.out.println(
            new String(new byte[] { (byte) 0xC3, (byte) 0xA2 }, "UTF-8"));
}

private static void printBytes(String str) {
    System.out.println("Bytes in " + str + " with ISO-8859-1");
    for (byte b : str.getBytes(StandardCharsets.ISO_8859_1)) {
        System.out.printf("%3X", b);
    }
    System.out.println();
    System.out.println("Bytes in " + str + " with UTF-8");
    for (byte b : str.getBytes(StandardCharsets.UTF_8)) {
        System.out.printf("%3X", b);
    }
    System.out.println();
}

输出：

Bytes in â with ISO-8859-1
 E2
Bytes in â with UTF-8
 C3 A2
â
â
于 2014-03-12T05:10:04.230 回答
0

除了亚当罗森菲尔德的回答，我想补充一点，它ByteBuffer.array()返回缓冲区的底层字节数组，它不一定“修剪”到最后一个字符。将需要额外的操作，例如此答案中提到的操作；尤其是：

byte[] b = new byte[bb.remaining()]
bb.get(b);
于 2015-01-20T14:16:38.277 回答
-3

驱逐非 ISO-8859-1 字符，将被替换为 '?' （例如发送到 ISO-8859-1 数据库之前）：

utf8String = new String (utf8String.getBytes(), "ISO-8859-1" );

于 2010-03-30T09:00:23.993 回答