为您编写一个小编码拼图。
对SourceForge跟踪器项的评论包含角色U+2014，EM DASH，由网络界面呈现为—，就像它应该的那样。
然而，在XML导出中，它显示为：
—
解码导致这些代码点的实体：
U+00E2 U+20AC U+201D
即。字符—。 XML应该是—，十进制表示为0x2014，所以这可能是SF.net导出器中的一个错误。
现在我正在寻求改变这个过程，但无论我尝试什么错误的编码/解码序列，我找不到从这个Unicode字符获得上述输出的方法。知道这里发生了什么以及如何扭转这个过程吗？
答案 0 :(得分：4)
使用CP1252错误地编码了XML输出。要恢复此功能，请使用CP1252编码将—转换为字节，然后使用UTF-8编码将这些字节转换回字符串/字符。
基于Java的证据：
String s = "—";
System.out.println(new String(s.getBytes("CP1252"), "UTF-8")); // —
请注意，这假定stdout控制台本身使用UTF-8来显示字符。
答案 1 :(得分：1)
在.Net中，Encoding.UTF8.GetString(Encoding.GetEncoding(1252).GetBytes("—"))会返回—。
SourceForge将其转换为UTF8，将每个字节解释为CP1252中的字符，然后使用这些字符的实际Unicode代码点将字符保存为三个单独的实体。