问题标签 [windows-1252]

我有一个主要是 UTF-8 的文件，但也有一些 Windows-1252 字符可以进入。

我创建了一个表来将 Windows-1252 (cp1252) 字符映射到它们的 Unicode 对应字符，并想用它来修复错误编码的字符，例如

但是尝试以这种方式进行替换会导致引发 UnicodeDecodeError，例如：

关于如何处理这个问题的任何想法？

• iso-8859-1 是 utf-8 的真子集吗？
• 那么iso-8859-n呢？
• windows-1252呢？

如果以上任何一项的答案是否定的，那么不相交的字符是什么？我正在测试一些检测字符集的逻辑，并希望编写测试来验证检测是否正常工作。

我有一个包含 Javascript 文件的 HTML。此脚本包含一个特殊字符 ASCII 152。当我尝试显示 charCodeAt 时，我得到了不同的结果，但从来没有正确的结果。你能建议吗？谢谢

测试.HTML

使用 ANSI 编码的 TEST.JS 文件

• 带有 x-user-defined charset 的 TEST.HTML：警报显示 63384。使用 %63232 有效，因为每个 char >128 都显示为 63232+char。
• 带有 utf-8 字符集的 TEST.HTML：警报显示 65533。所有 > 128 的字符都显示为 65533。
• 带有 Windows-1252 字符集的 TEST.HTML：警报显示 752。我找不到 ASCII 与显示内容之间的关系。

使用 UTF-8 编码的 TEST.JS 文件

• 带有 x 用户定义的字符集的 TEST.HTML：警报显示 65533。所有 > 128 的字符都显示为 65533。
• 带有 utf-8 字符集的 TEST.HTML：警报显示 65533。所有 > 128 的字符都显示为 65533。
• 带有 Windows-1252 字符集的 TEST.HTML：警报显示 65533。所有 > 128 的字符都显示为 65533。

我正在运行一个股票 Cygwin 安装，并wget添加了包。

如果我运行命令

我明白了；注意字符显示不正确

如果我只是下载文件，记事本中的一切看起来都很好。

我正在制作一个运行良好的程序，除了我开始创建一个更新系统并且不知何故它不工作。启动屏幕使用 webClient 检查更新，现在似乎也出错了。我进行了设置，以便启动屏幕下载文本文件。如果版本不匹配，则会启动一个单独的表单并使用 webClient 下载更新程序。我已经创建了这个表单两次。它有 1 个进度条、1 个 webClient、一个图像背景和 1 个标签。更新应该下载，在栏上显示其进度，然后打开更新程序并关闭主程序。我第一次创建表单时，我运行它，它会冻结而不下载文件。停止调试后，visual c# express 2010的设计窗口会崩溃，我不得不重新启动vc#。该窗口将显示我添加的所有项目，除了 webClient。

所以我从表单中删除了 webClient 并重试。我第二次遇到同样的错误。所以我用谷歌搜索了第一个错误，并在 hackforums 上找到了一个没有修复的回复。现在我完全迷路了。我所有的 webClients 似乎现在都在这样做，我不知道为什么。

这是我的启动画面中的代码：

这是我的更新程序的代码：

我正在向 oracle 数据库插入大量数据。

在该数据库中，文本以 windows-1252 格式存储。

原来要输入的东西很多，都需要转成这种格式。此外，所有这些数据都是阿拉伯语。

有人可以帮我找到一个在线转换器或将阿拉伯语单词编码为 windows-1252 格式的工具吗？

*希望细节足够

--rangana

我正在尝试根据此方法的输出以 UTF-8 或 Windows-1252 格式读取文件：

到目前为止，我有：

我遇到的问题是将BufferedReader实例转换为FileReader.

此外：

• 文件本身的名称 ( fileName) 不能被认为是特定的Charset；有时文件名将包含 UTF-8 字符，有时包含 Windows-1252。文件内容也是如此（但是，如果文件名和文件内容始终具有匹配的字符集）。
• 只有内部的逻辑getCorrectCharsetToApply()可以选择要应用的字符集，因此在调用此方法之前尝试按文件名读取文件很可能会导致 Java 尝试使用错误的编码读取文件名......这会导致文件死亡！

提前致谢！

我正在试验我们在生产中看到的边缘案例。我们有一个业务模型，客户端生成文本文件，然后将它们通过 FTP 传输到我们的服务器。我们摄取这些文件并在我们的 Java 后端（在 CentOS 机器上运行）处理它们。我们的大多数 (95%+) 客户都知道以 UTF-8 格式生成这些文件，这正是我们想要的。然而，我们有一些顽固的客户端（但大帐户）在 Windows 机器上使用 CP1252 字符集生成这些文件。不过没问题，我们已经配置了我们的 3rd 方库（这是我们的大部分“处理”工作）以通过一些神奇的 voo doo 处理任何字符集的输入。

有时，我们会看到一个文件名中包含非法 UTF-8 字符 (CP1252)。当我们的软件尝试从 FTP 服务器读取这些文件时，正常的文件读取方法会阻塞并抛出FileNotFoundException：

例外情况如下所示：

所以我认为正在发生的事情是，因为文件名本身包含非法字符，我们甚至一开始就无法读取它。如果可以，那么无论文件的内容如何，​​我们的软件都应该能够正确处理它。因此，读取文件名中包含非法 UTF-8 字符的文件名确实是一个问题。

作为一个测试用例，我创建了一个非常简单的 Java“应用程序”来部署在我们的一个服务器上并测试一些东西（源代码在下面提供）。然后我登录到一台 Windows 机器并创建了一个测试文件并将其命名为test£.txt. 注意文件名中“test”后面的字符。这是 Alt-0163。我将它通过 FTP 传送到我们的服务器，当我ls -ltr在其父目录上运行时，我惊讶地看到它列为test?.txt.

在我继续之前，这是我为测试/重现此问题而编写的 Java“应用程序”：

当我从终端 ( java -cp . com/Driver t*) 运行它时，我得到以下输出：

test�.txt？！？！我做了一些研究，发现“�”是 Unicode 替换字符\uFFFD。所以我猜发生的事情是 CentOS FTP 服务器不知道如何处理 Alt-0163 ( £)，所以它用\uFFFD( �) 替换它。但我不明白为什么ls -ltr显示一个名为test?.txt...的文件

无论如何，解决方案似乎是添加一些逻辑来搜索文件名中是否存在此字符，如果找到，则将文件重命名为其他名称（例如可能执行字符串replaceAll("\uFFFD", "_")或类似的操作）系统可以读取和处理。

问题是Java 甚至在文件系统上都看不到这个文件。test?.txtCentOS知道文件在test�.txt那里No such file or directory（

我怎样才能让 Java 看到这个文件，以便我可以File::renameTo(String)对它执行？很抱歉这里的背景故事，但我觉得它是相关的，因为在这种情况下每个细节都很重要。提前致谢！

我想检索给定字符的 ANSI 代码值。例如，当我现在得到商标字符的 int 值时，我得到 8482。相反，我想得到 153，这是代码页 1252 中商标字符的值。

一些帮助将不胜感激。

于尔根

从历史上看，许多宣传自己采用ISO-8859-1 ( Latin-1 ) 编码的网页实际上包含Windows-1252编码（这是 Latin-1 的严格超集）的内容。

浏览器更新了他们的行为以将所有 Latin-1 文本视为 Windows-1252，这已经是一个足够大的问题了。这种行为随后被合理化为HTML5 [draft] 标准。

我正在写一组页面，我想在上面显示两种编码之间的区别，但这似乎是不可能的，因为我的 Latin-1 页面实际上从未被视为 Latin-1。在任何浏览器中，有什么方法可以真正强制尊重页面编码并显示演示？