UTF-8 - ISO 8859-1映射工具

Question

当我使用8859-1到8859-1中未知的字符转换UTF-8字符串时，我会在这里和那里得到问号。当然，他还能做什么！

是否有一个java工具可以将像“İKEA”这样的字符串映射到“IKEA”并避免使用？如何充分利用它？

Answer 1

对于具体示例，您可以：

• 使用Unicode normalization
的兼容性分解字母和变音符号
• 指示encoder删除不支持的字符（变音符号）

示例：

ByteArrayOutputStream out = new ByteArrayOutputStream();
// create encoder
CharsetEncoder encoder = StandardCharsets.ISO_8859_1.newEncoder();
encoder.onUnmappableCharacter(CodingErrorAction.IGNORE);
// write data
String ikea = "\u0130KEA";
String decomposed = Normalizer.normalize(ikea, Form.NFKD);
CharBuffer cbuf = CharBuffer.wrap(decomposed);
ByteBuffer bbuf = encoder.encode(cbuf);
out.write(bbuf.array());
// verify
String decoded = new String(out.toByteArray(), StandardCharsets.ISO_8859_1);
System.out.println(decoded);

您仍然会从定义109,384个值（Unicode 6）的字符集转码为支持256的字符集，因此始终存在限制。

还要考虑更复杂的转换API，例如ICU，以获得音译等功能。