Java getBytes UTF-8编码

Question

我正在尝试处理编码问题（我想将字符串中的特殊字符转换为正确的UTF-8字符...）：

当我执行这个简单的代码时：

System.out.println(new String("é".getBytes("UTF-8"), "UTF-8"));

在控制台中我期待：'é'但我得到了

é 

Answer 1

é是é字符的HTML实体引用，而不是UTF-8编码的字符串。要对其进行解码，您可以使用Commons Lang的org.apache.commons.lang.StringEscapeUtils：

String decodedStr = StringEscapeUtils.unescapeHtml("é");

Answer 2

Java Strings对SGML / XML / HTML5实体一无所知。 é就是这样一个实体。它适用于HTML中的Web浏览器，因为在其中一个DTD或HTML5规范中，通过将其映射到相应的unicode字符实体&eacute来定义é是带有重音的字母e。 / p>

new String(someString.getBytes("UTF-8"), "UTF-8");是一个毫无意义的操作，它将String转换为字节，其编码可以表示所有有意义的字符，并将其转换回String。这与直接使用someString相同，只是你有一个新对象。

为了获得带重音的e，您可以执行以下操作之一：

• 直接输入，例如System.out.println("é");。这要求您的文本编辑器和Java编译器就源代码文件的编码达成一致。如果您在项目中工作，则需要每个人都理解并同意特定的编码。这些天推荐的编码肯定是UTF-8。
• 使用Unicode字符编号。在急性病例中，它将是\u00e9。

P.S。：SGML / XML / HTML5实体与UTF-8无关。