Question

我有以下代码：

String s0="Përshëndetje botë!";
byte[] b1=s0.getBytes("UTF8");
byte[] b2=s0.getBytes("ISO8859_1");
String s0_utf8=new String(b1, "UTF8");  //right encoding, wrong characters
//String s0_utf8=new String(b1, "ISO8859_1"); //wrong encoding, wrong characters
String s0_iso=new String(b2, "UTF8");  //wrong encoding; outputs right characters
//String s0_iso=new String(b2, "ISO-8859-1");  //right encoding; if uncommented, outputs damaged characters
System.out.println("s0_utf8: "+s0_utf8);  //
System.out.println("s0_iso: "+s0_iso);

因此，使用"Përshëndetje botë!"和UTF8将字符串ISO-8859-1转换为字节，然后使用相应的编码将这些字节转换回Unicode字符。这里只显示一个正确的字符：如果我们使用ISO8859_1将原始字符串编码为字节，并使用UTF-8对其进行解码。所有其他情况都会导致错误的字符。

String s0="P\u00ebrsh\u00ebndetje bot\u00eb!";
byte[] b1=s0.getBytes("UTF8");
byte[] b2=s0.getBytes("ISO8859_1");
String s0_utf8=new String(b1, "UTF8"); //right encoding; outputs right characters
//String s0_utf8=new String(b1, "ISO8859_1"); //wrong encoding, wrong characters
String s0_iso=new String(b2, "UTF8");  //wrong encoding; outputs wrong characters
//String s0_iso=new String(b2, "ISO-8859-1");  //right encoding; if uncommented, outputs damaged characters
System.out.println("s0_utf8: "+s0_utf8);  //
System.out.println("s0_iso: "+s0_iso);

这里有两种情况，当显示正确的单词时：当使用相同的编码对字符串进行编码和解码时。

我不明白这里发生了什么。怎么可能？ Unicode的字符表示有什么区别？为什么这对用iso-decode与utf8一起工作？结果字符串不应该与原始字符串完全不同，因为utf的字节可能被utf8解释不同吗？

Answer 1

我的猜测是字符串从一开始就是错误的，因为你的Java源文件是用编码A编码的，编译器用编码B读取它。这就解释了为什么当你使用escape时问题不会发生序列而不是重音。

关于

//String s0_iso=new String(b2, "ISO-5589-1");  //right encoding; if uncommented, outputs damaged characters

不，它不是正确的编码。 5589 != 8859。

Answer 2

This回答真的帮助我理解了发生了什么。

在第一种情况：

中

String s0="Përshëndetje botë!";

s0位于ISO8859_1;

b1：以UTF-8 获取字节，

b2：获取ISO8859_1中的字节。

IDEA错误地转换ë字符=＆gt; PÃ«rshÃ«ndetje botÃ«!

String s0_iso=new String(b2, "UTF8"); 将字符串转换为IDEA的编码并正确打印。

String s0_iso=new String(b2, "ISO-8859-1"); 不会更改原始字符串 =＆gt; PÃ«rshÃ«ndetje botÃ«!

当字符串转换为外部编码（UTF-8）时，麻烦就来了：

String d=new String(b1, "UTF8"); =＆gt;的 PÃ«rshÃ«ndetje botÃ«!

String b=new String(b1, "ISO8859_1"); =＆GT;的 PÃÂ«rshÃÂ«ndetje botÃÂ«!

我仍然不完全确定在这两种情况下发生了什么，但是

d.equals("Përshëndetje botë!")是true。

我的猜测是当字符串在utf-8中编译时（默认）编译器将s0中的字符解释为好像它们已经在UTF-0中并且没有真正的转换发生;由于UTF-8中没有这样的字符，因此字符变坏了。在构造d字符串时，同样会发生同样的情况，但是通过代码本身，所以字符的处理就好像它们已经在UTF-8中一样，然后被推送到同一个{{1 }}。但它们应该首先从UTF-8解码，然后才编码为ISO8859_1，这就是输出错误的原因。

第二种情况：

UTF-8

原始字符串已完全位于String s0="P\u00ebrsh\u00ebndetje bot\u00eb!";中。因此显示它的问题会更少。

UTF-8不会更改原始字符串; String d = new String(b1, "UTF8")是d.equals(s0) =＆gt;的 true

Përshëndetje botë!将原始String p =new String(b1, "ISO8859_1")字符串转换为UTF-8 =＆gt;的 ISO8859_1

PÃ«rshÃ«ndetje botÃ«!是p.equals("Përshëndetje botë!")。

不确定这里发生了什么以及为什么最后一个正确地获取所有字符：

true =＆gt;的 String s0_iso=new String(b2, "UTF8")

P�rsh�ndetje bot� =＆gt;的 String s0_iso=new String(b2, "ISO-8859-1")

使用两个编码之间的getBytes转换字符串

2 个答案: