Question

由于一些笨拙的遗留代码，我需要传递一些非英文文本作为可见的UTF-8编码的ansi / ascii字符串。在大多数情况下，这是正常的（我正在使用URLEncoder）。但是，现在我需要能够在不同情况下输出不同版本的UTF-8，我不知道该怎么做。

例如，这个字符可以通过以下方式进行UTF-8编码：

大
%u5927
&#22823;
%E5%A4%A7

但似乎没有什么可以谈论不同的版本，好像没有区别。我知道URLEncoder没有做第二个版本，因为＆amp;是一个保留字符，但第二个是我在某些情况下需要的。如何将文本转换为我想要的特定版本？

具体来说，它被传递给一个.jsp，它包含一个名为displaytag的库，它处理数据并显示一个没有太多开发人员输入的表，但它似乎没有任何设置编码的选项。我知道上面列表中的第二个编码（作为ansi / ascii传递）正确显示而不更改.jsp，这对我来说是最安全的选项。我只需要这样做。

Answer 1

首先是十六进制的unicode代码点，是URL编码，第二个是十进制相同的，是HTML / XML实体形式。

从未将它用于您的目的，但我认为StringEscapeUtils escapeHtml或escapeXml应该为您提供第二种形式。

BTW第二种形式也有十六进制版本：大

第三个看起来像是一个非utf-8感知函数的转换，它已经转换了utf-8中的三个字节，分别构成了单个代码点。第三个是在我看来不正确，因为你看不到它是三个ascii字节还是它实际上是utf-8。

Answer 2

从我可以从问题中收集到的内容，你真正想要最终做的就是显示文字。

你已经知道存储在内存或文件中的是字节序列，纯粹而简单，不知何故你有三字节序列e5 a4 a7，因为这就是字符OOKII HAJIME OOINI（大）的方式。以UTF-8编码。

要使用Java将此字符放入URL，然后使用URLEncoder，您将获得％E5％A4％A7。但是如果你想在JSP上显示它，那么我肯定会推荐HTML实体大，因为你不会受最终用户设置他们的浏览器的字符编码，如果你决定弄乱你的字节流发送原始UTF-8字节。

如何执行此操作取决于您的数据是存储为字节数组还是真正的Java字符串。通常，要输出HTML数字实体，可以通过将代码点高于7F的每个字符转换为表单字符来以编程方式执行此操作

& # x codepoint ;

或在网上搜索为您执行此操作的库。如果你正在处理一个字节数组，可能会有更多的工作，但它可以完成。 Commons Lang的StringEscapeUtils处理已知的命名实体，但我不相信它会为具有大代码点的字符创建数字HTML实体。