Java中的中文字符串处理？

Question

在我指定的项目中，原作者编写了一个函数：

  public String asString() throws DataException
  {
    if (getData() == null) return null;

    CharBuffer charBuf = null;

    try
    {
        charBuf = s_charset.newDecoder().decode(ByteBuffer.wrap(f_data));
    }
    catch (CharacterCodingException e)
    {
        throw new DataException("You can't have a string from this ParasolBlob: " + this, e);
    }

    return charBuf.toString()+"你好";
 }   

请注意，常量s_charset定义为：

private static final Charset s_charset = Charset.forName("UTF-8");

请注意，我在返回字符串中对中文字符串进行了硬编码。

现在，当程序流到达此方法时，它将抛出以下异常：

 java.nio.charset.UnmappableCharacterException: Input length = 2

更有趣的是，硬编码的中文字符串将显示为“??”在控制台，如果我做一个System.out.println（）。

我认为这个问题在本地化方面非常有趣。而且我已经尝试将其更改为        Charset.forName（ “GBK”）;

但似乎不是解决方案。另外，我已将Java类的编码设置为“UTF-8”。

任何专家都有这方面的经验吗？请你分享一下吗？提前谢谢！

Answer 1

  

更有趣的是，硬编码的中文字符串将显示为   “??”在控制台，如果我做一个System.out.println（）。

System.out执行从UTF-16字符串到默认JRE字符编码的转码操作。如果这与接收字符数据的设备使用的编码不匹配，则会损坏。因此，控制台应设置为使用正确的字符编码（UTF-8）来正确呈现中文字符。

如果您正在使用eclipse，那么您可以通过转到

来更改控制台编码

  

运行配置 - ＆gt;常见 - ＆gt;编码（从下拉列表中选择UTF-8）

Answer 2

Java字符串是unicodes

System.out.println("你好");

Answer 3

正如Kevin所说，根据源文件的底层编码，这个编码将用于将其转换为UTF-16BE（Java String的实际编码）。所以，当你看到“??”这肯定是简单的转换错误。

现在，如果你想使用给定的字符编码将简单字节数组转换为String，我相信有比使用原始CharsetDecoder更容易的方法。那就是：

byte[] bytes = {0x61};
String string = new String(bytes, Charset.forName("UTF-8"));
System.out.println(string);

如果字节数组确实包含UTF-8编码的字节流，这将有效。它必须没有BOM，否则转换可能会失败。确保您尝试转换的内容不是以序列0xEF 0xBB 0xBF开头。