Question

无法解码使用UTF-8编码的’和“。

使用以下代码：

String displayString = inItem.GetDisplayString();
displayString = new String(displayString.getBytes(), "UTF-8");

示例String如下：

"Platinum Stars’ 4-0 ravishing of Black Leopards only but did Ajax a colossal"

Answer 1

’在解码时显示[在处理URLDecoder.decode(displayString, "UTF-8");时用“The job is not done yet.

那很正常。

字符“是Unicode左双引号（U+2019），而不是U + 0022引号。具体来说，它不是ASCII字符，因此，URLDecoder.decode将其转换为HTML实体表示形式。

对于"’"字符，它是右单引号（U+2019）。此处再次超出了ASCII范围，并且并非所有终端都能正确显示它。特别是，默认代码页850下的Windows控制台不能。

当然，因为它们都具有255以上的Unicode代码，所以无法用Latin1或ISO-8859-1表示。。。

Answer 2

现在首先：java String将在内部使用Unicode，因此这不是问题。

您看到的是’之类的HTML实体，这些实体将源于某些转换。可能是来自HTML表单的数据，其中的表单元素没有：<form accept-charset="UTF-8">或页面不在UTF-8中。

一个人可以修复。可以使用EscapeUtils.unescapeHTML或Java> 9中常用的apache：

s = s.replaceAll("\\&#(\\d{1,7}|x[0-9A-Fa-f]{1,6});",
        new String(new int[] {
            mr -> Integer.decode(mr.group(1).replace("x", "0x"))
        }, 0, 1));

这会将数字（可能是十六进制）的实体转换为Unicode值。

在Java 9之前：

Pattern pattern = Pattern.compile("\\&#(\\d{1,7}|x[0-9A-Fa-f]{1,6});");
Matcher m = pattern.matcher(s);
StringBuffer sb = new StringBuffer();
while (m.find()) {
    m.appendReplacement(sb, new String(new int[] {
            mr -> Integer.decode(m.group(1).replace("x", "0x"))
        }, 0, 1));
}
m.appendTail(sb);
s = sb.toString();

整数解码处理诸如十进制64（字符@）或十六进制0x52BA之类的字符串。

我正在尝试将UTF-8解码为String，但是某些特殊字符没有被解码（“和”），而是显示为？问号

2 个答案: