Question

我正在努力将一个字符串从一个字符集转换为另一个字符串并阅读其中的许多示例，最后找到下面的代码，这对我来说很好，作为Charset Encoding的新手，我想知道，如果它是正确的这样做的方法。

public static byte[] transcodeField(byte[] source, Charset from, Charset to) {
    return new String(source, from).getBytes(to);
}

要将String从 ASCII转换为EBCDIC ，我必须这样做：

System.out.println(new String(transcodeField(ebytes,
                Charset.forName("US-ASCII"), Charset.forName("Cp1047"))));

要从 EBCDIC转换为ASCII ，我必须这样做：

System.out.println(new String(transcodeField(ebytes,
                Charset.forName("Cp1047"), Charset.forName("US-ASCII"))));

Answer 1

您找到的代码（transcodeField）未将String从一种编码转换为另一种编码，因为String没有编码¹。它将字节从一种编码转换为另一种编码。该方法仅在您的用例满足2个条件时才有用：

您的输入数据是字节
您的输出数据必须是字节

在这种情况下，它是直截了当的：

byte[] out = transcodeField(inbytes, Charset.forName(inEnc), Charset.forName(outEnc));

如果输入数据包含无法在输出编码中表示的字符（例如将复杂UTF8转换为ASCII），则这些字符将替换为?替换符号，数据将被破坏。

然而，lot of people询问“How do I convert a String from one encoding to another”，lot of people回答了以下代码段：

String s = new String(source.getBytes(inputEncoding), outputEncoding);

这是完全公牛****。 getBytes(String encoding)方法返回一个字节数组，其中包含以指定编码编码的字符（如果可能，再次将无效字符转换为?）。带有2nd参数的String构造函数从字节数组创建一个新的String，其中字节采用指定的编码。现在，因为您刚刚使用source.getBytes(inputEncoding)来获取这些字节，所以它们在outputEncoding中不编码（除非编码使用相同的值，这对于“正常”是常见的像abcd这样的字符，但与重音字符éêäöñ）等更复杂的字符不同。

那是什么意思？这意味着当你有一个Java String时，一切都很棒。 Strings是unicode，意味着你的所有角色都是安全的。当您需要将String转换为字节时，问题就出现了，这意味着您需要决定编码。选择兼容Unicode的编码（例如UTF8，UTF16等）非常棒。这意味着即使你的String包含各种奇怪的字符，你的角色仍然是安全的。如果您选择不同的编码（US-ASCII是最不支持的），您的String必须只包含编码支持的字符，否则会导致字节损坏。

现在终于有一些好用和坏用的例子。

String myString = "Feng shui in chinese is 風水";
byte[] bytes1 = myString.getBytes("UTF-8");  // Bytes correct
byte[] bytes2 = myString.getBytes("US-ASCII"); // Last 2 characters are now corrupted (converted to question marks)

String nordic = "Här är några merkkejä";
byte[] bytes3 = nordic.getBytes("UTF-8");  // Bytes correct, "weird" chars take 2 bytes each
byte[] bytes4 = nordic.getBytes("ISO-8859-1"); // Bytes correct, "weird" chars take 1 byte each
String broken = new String(nordic.getBytes("UTF-8"), "ISO-8859-1"); // Contains now "HÃ¤r Ã¤r nÃ¥gra merkkejÃ¤"

最后一个例子表明，尽管两种编码都支持北欧字符，但它们使用不同的字节来表示它们。因此，没有将String从一个编码转换为另一个编码的事情，你永远不应该使用破碎的例子。

另请注意，您应始终指定所使用的编码（包含getBytes()和new String()），因为您不能相信默认编码始终是您想要的编码。

作为最后一个问题，Charset and Encoding不是一回事，但它们非常相关。

¹从技术上讲，String内部存储在JVM中的方式是UTF-16编码，但它对Java代码没有影响。

将字符串从一个字符集转换为另一个字符集

1 个答案: