Question

我有一个使用latin1的MySQL表，很遗憾，我无法更改它。

在将字符串插入此表之前，我想检查字符串是否包含不属于latin1字符集的字符。这样我可以将其从数据集中删除。

我该怎么做？

例如

<li *ngIf="data.delivery_status==='3' || data.delivery_status==='6'">
    <td><span class="btn btn-success btn-sm">Sentt - success</span></td>
</li>
<li *ngIf="!(data.delivery_status==='3' || data.delivery_status==='6')">
    <td><span class="btn btn-danger btn-sm">Sent - danger</span></td>
</li>

Answer 1

要使其简单而稳定，请利用CharsetEncoder：

/** replaces any invalid character in Latin1 by the character rep */
public static String latin1(String str, char rep) {
    CharsetEncoder cs = StandardCharsets.ISO_8859_1.newEncoder()
            .onMalformedInput(CodingErrorAction.REPLACE)
            .onUnmappableCharacter(CodingErrorAction.REPLACE)
            .replaceWith(new byte[] { (byte) rep });
    try {
        ByteBuffer b = cs.encode(CharBuffer.wrap(str));
        return new String(b.array(), StandardCharsets.ISO_8859_1);
    } catch (CharacterCodingException e) {
        throw new RuntimeException(e); // should not happen
    }
}

这将用替换字符rep（当然应该是有效的Latin1字符）替换ISO_8859_1（= Latin1）中的每个无效字符集。

如果可以使用默认替换（'?'），则可以使其更简单：

public static String latin1(String str) {
    return new String(str.getBytes(StandardCharsets.ISO_8859_1),
          StandardCharsets.ISO_8859_1);
}

例如：

public static void main(String[] args)  {
    String x = "hi Œmar!";
    System.out.println("'" + x + "' -> '" + latin1(x,'?') + "'");
}

输出'hi Œmar!' -> 'hi ?mar!'

此方法的可能缺点是仅允许您用单个替换字符替换每个无效字符-您不能删除它或使用多字符序列。如果您要这样做，并且可以合理地确定某个字符永远不会出现在您的字符串中，则可以使用通常的肮脏技巧-例如，假设\u0000永远不会出现：

/* removes invalid Latin1 charaters - assumes the zero character never appears */
public static String latin1removeinvalid(String str) {
    return latin1(str,(char)0).replace("\u0000", "");
}

添加：如果您只想检查有效性，那么它更简单：

public static boolean isValidLatin1(String str) {
    return StandardCharsets.ISO_8859_1.newEncoder().canEncode(str);
}

Answer 2

如果您的源数据始终为UTF8，请这样说。然后，您将两全其美-带有音译为latin1的UTF8字符将被更改；那些没有的将以'？'出现。

在getConnection()呼叫中使用它：

?useUnicode=yes&characterEncoding=UTF-8

无需测试不良字符，无需进行代码转换。 MySQL自动完成所有工作。

Answer 3

Basic Latin range是0020–007F，因此您可以检查是否尝试替换非拉丁字符的第一个实例与原始String相匹配：

boolean hasNonLatin1Chars = string.equals((string.replaceFirst("[^\\u0020-\\u007F]", "")));

如果包含非拉丁字符，它将返回false。

有Latin-1补充（00A0 — 00FF），Latin Extended-A（0100 — 017F）和Latin Extended-B（0180 — 024F），因此您可以根据需要修改范围。 / p>

从Java字符串中过滤非MySQL Latin1字符

3 个答案: