Question

我们在DB中有一个clob列。现在，当我们提取这个clob并尝试显示它（纯文本而不是html）时，它会在html屏幕上打印一些字符。直接流式传输到文件时的字符看起来像”（不是普通键盘上通常的双引号）

还有一个观察结果：

System.out.println("”".getBytes()[0]);

打印-108。

为什么字符字节应该在负范围内？有没有办法在html屏幕上正确显示它？

Answer 1

Re：你最后的观察 - Java字节总是被签名。要将它们解释为无符号，可以使用int：

对它们进行按位AND运算

byte[] bytes = "”".getBytes("UTF-8");
for(byte b: bytes)
{
    System.out.println(b & 0xFF);
}

输出：

226 
128
157

请注意，您的字符串实际上是UTF-8中的三个字节长。

正如评论中所指出的，它取决于编码。对于UTF-16，你得到：

，对于US-ASCII或ISO-8859-1，你得到

这是一个问号（即“我不知道，一些新奇的角色”）。 Note that：

当此字符串不能时，此方法[getBytes()]的行为在给定的字符集中编码是未指定的。 CharsetEncoder类在对编码过程进行更多控制时应该使用必需的。

Answer 2

我认为以这种方式打印字符代码会更好：

System.out.println((int)'”');//result is 8221

This link可以帮助您解释这个非凡的双引号（包括HTML代码）。

Answer 3

要回答有关在HTML文档中正确显示字符的问题，您需要执行以下两项操作之一：设置文档的编码或实体化非ascii字符。

要设置编码，您有两个选项。

更新您的Web服务器以发送适当的charset参数 Content-Type标头。正确的标题是Content-Type: text/html; charset=UTF-8。
添加<meta charset="UTF-8" />标记页面的头部。

请记住，选项1优先于选项2。如果您已经在标题中设置了错误的字符集，则无法使用元标记覆盖它。

另一个选项是实体化非ASCII字符。对于问题中的引号字符，您可以使用”或”或”。第一个是用户友好的命名实体，第二个指定十进制字符的Unicode代码点，第三个指定十六进制的代码点。一切都有效，一切都会有效。

通常，如果您要从包含未知字符的数据库中实体化动态内容，您最好只使用实体的代码点版本，因为您可以轻松编写转换任何字符的方法＆gt; 127到适当的代码点。

我目前正在处理的其中一个系统实际遇到了这个问题，我们从UTF-8源获取数据，并且必须提供无法控制Content-Type标头的HTML页面。实际上，我们最终编写了一个自定义的Java Charset，它可以将Java字符流转换为ASCII编码的字节流，并将所有非ASCII字符转换为实体。然后我们将输出流包装在具有该Charset的Writer中并像往常一样输出所有内容。正确实现Charset有一些问题，但只是自己编写代码非常简单，只需确保正确处理代理对。

字符编码问题？

3 个答案: