Question

我需要一些帮助来验证字符串是用Java编写的UTF-8。

我正在处理一些Excel工作表并将它们转换为XML文档，当我尝试验证该XML文档时，我得到“1字节UTF-8序列的无效字节1”。我在此验证：http://www.validome.org/xml/validate/。我追溯到那，它引导我到这个：指示的字符是此撇号’，它与此撇号'不同。

我想我要问的是，是否有某种类给出了一个字符串，用UTF-8字符替换所有非UTF-8字符，如下所示：
String magicalFunction(String stringToFix);

Answer 1

这个类似逗号的引用是非ASCII的，错误意味着XML不能被读作UTF-8。那么也许XML文本在Windows Latin-1中，也就是Windows-1252。

检查XML文件：

<?xml version="1.0" encoding="Windows-1252"?>

如果encoding属性为UTF-8或缺少（默认为UTF-8），则表示文件生成错误。

您可以使用能够切换编码的编辑器检查编码，例如JEdit。

生成文件错误，可能源于纯文本写作。

应该写一些类似的东西：

BufferedWriter out = new BufferedWriter(new OutputStreamWriter(
        new FileOutputStream(file), "UTF.8"));

OutputStreamWriter从二进制字节（OutputStream）转换为文本Writer（java String）。为此它使用给定编码。这个编码参数是可选的（有一个较短的构造函数withut编码），就像在Java API中的许多其他位置一样。然后使用平台的默认编码。这些文件不是跨平台的。

遗憾的是，经常使用的便捷类FileWriter和FileReader甚至完全错过了编码参数。超类然后使用平台编码。

Answer 2

忘记“字符串编码”的想法，Java在内部存储characteres的方式并不重要，因为你无法修改它。这里的问题是您将它们存储在文件中的方式：使用String.getBytes（“UTF-8”）和OutputStream来写入这些字节，您将确保您的文件是UTF-8。 Writer始终使用OS的默认enconding，因此您不能使用FileWriter。您可以在本页右侧的相关问题中找到更多信息

在Java中将字符串验证为UTF-8

2 个答案: