恢复错误编码的字符（Java）

Question

我们在Linux中使用cron运行了一些java代码，以便在生产数据库中保存数千条记录。该框中的locale charmap是“ANSI_X3.4-1968”。现在，我们在将这些步骤保存到数据库之前采取了以下步骤 1.在文本上使用StringEscapeUtils.unescapeHtml4 2.以UTF-8格式写入字符串并保留在数据库中

现在问题是在这些步骤之后，特殊字符显示为“？”。是否有可能将其恢复为原始角色？ 我已通过以下步骤模拟了问题。

1. 将Eclipse编码更改为“ANSI_X3.4-1968”
2. 编写以下代码行

 

String insertSpecial = StringEscapeUtils.unescapeHtml4("×");
System.out.println(insertSpecial);
String uni = new String(insertSpecial.getBytes(), "UTF-8");// This value is currently in DB
System.out.println(uni);

现在我想从字符串“uni”中取回“×”。任何帮助将不胜感激。

Answer 1

基本上没有。你在new String(insertSpecial.getBytes(), "UTF-8");中犯了最大的错误，这再次表明字符编码难以处理。

这段代码一步一步地做了什么：

1. 在平台编码
中向我提供insertSpecial的字节数
2. 从字节创建一个新字符串，告诉字节是UTF-8（即使字节是先前在平台编码中获得的）

我已经多次看过这段代码了，遗憾的是它只会破坏它。这完全是不必要的，即使写得正确也不会“转换”任何东西。如果平台编码不是UTF-8那么它很可能会破坏任何特殊字符（如果平台编码与String构造函数中给出的编码之间存在适当的差异，甚至整个字符串）。

问号是一个无法转换的角色的占位符，这意味着它永远消失了。

这是一些阅读，所以你不会再犯这个错误：The Absolute Minimum Every Software Developer Absolutely, Positively Must Know About Unicode and Character Sets (No Excuses!)