Unescape和转换字符串编码

Question

我必须在Java中将String解析为Date对象。 字符串MMM d yyyy HH:mm:ss z后面的字符串设置为French。

由于法语口音的编码，日期是在二月，八月或十二月时出现问题。例如，我在2011年12月15日获得déc. 15 2011 16:55:38 CET。

我无法改变字符串的创建方式，所以我必须处理我身边的错误编码。似乎生成时字符串编码严重（UTF-8内容编码为ISO 8859-1）然后转义。

现在我用：

stringFromXML = stringFromXML.replaceAll("é", "é");
stringFromXML = stringFromXML.replaceAll("û", "û");

这是有效的，因为法语月份中唯一的重音是é和û，但有没有更清晰的方式来转换和转换字符？

Answer 1

您需要两个步骤：

1. 解析数字字符引用，例如，使用Andy建议的StringEscapeUtils：

   String unescaped = StringEscapeUtils.unescapeHtml(in);
   

2. 通过将字符视为UTF-8代码单元来修复编码：

   String out = new String(unescaped.getBytes("ISO-8859-1"), "UTF-8");
   

Answer 2

如果您不介意依赖，可以使用Apache Commons StringEscapeUtils来执行此操作。

来自JavaDoc for StringEscapeUtils.unescapeHtml：

  

将包含实体转义符的字符串转义为包含的字符串   与转义对应的实际Unicode字符。支持   HTML 4.0实体。

     

例如，字符串“＆amp; lt; Fran＆amp; ccedil; ais＆amp; gt;”将成为“＆lt;Français＆gt;”

它也应该与您输入中的数字实体一起使用。

Answer 3

以防其他人正在寻找与我相同的解决方案。我试图解码我从okhttp（android）请求中得到的字符，如： Ã至Ã

正如@axtavt建议的那样，我使用了StringEscapeUtils，但为了这样做，我将这个依赖项添加到了我的gradle中：

compile 'org.apache.commons:commons-lang3:3.4'

通过

修复字符问题

return StringEscapeUtils.unescapeHtml3(word);