UTF8字符編碼在Java中

Question

我有一些問題得到了一些法語文本轉換爲UTF8，以便它可以正確顯示，無論是在一個控制檯，文本文件或GUI元素。

原始字符串

HANDICAP╔ES

這應該是

HANDICAPÉES

下面的代碼片段，顯示我如何使用jackcess數據庫驅動程序讀取在Eclipse/Linux環境中的Acccess MDB文件中。

Database database = Database.open(new File(filepath)); 
Table table = database.getTable(tableName, true); 
Iterator rowIter = table.iterator(); 
while (rowIter.hasNext()) { 
    Map<String, Object> row = this.rowIter.next(); 
    // convert fields to UTF 
    Map<String, Object> rowUTF = new HashMap<String, Object>(); 
    try { 
     for (String key : row.keySet()) { 
      Object o = row.get(key); 
      if (o != null) { 
       String valueCP850 = o.toString(); 
       // String nameUTF8 = new String(valueCP850.getBytes("CP850"), "UTF8"); // does not work! 
       String valueISO = new String(valueCP850.getBytes("CP850"), "ISO-8859-1"); 
       String valueUTF8 = new String(valueISO.getBytes(), "UTF-8"); // works! 
       rowUTF.put(key, valueUTF8); 
      } 
     } 
    } catch (UnsupportedEncodingException e) { 
     System.err.println("Encoding exception: " + e); 
    } 
} 

在你會看到，我想直接轉換爲UTF-8，這似乎並沒有工作的代碼，所以我必須做一個雙轉換。另請注意，使用jackcess驅動程序時似乎沒有指定編碼類型的方法。

感謝， 凸輪

Answer 1

基於新信息的新分析。
它看起來像你的問題是之前的文本編碼它存儲在Access數據庫中。它似乎被編碼爲ISO-8859-1或windows-1252，但被解碼爲cp850，導致字符串HANDICAP╔ES被存儲在數據庫中。

從DB正確檢索到該字符串後，您現在試圖反轉原始編碼錯誤並恢復字符串，因爲它應該已經存儲：HANDICAPÉES。而你正在努力完成的，與這條線：

String valueISO = new String(valueCP850.getBytes("CP850"), "ISO-8859-1"); 

getBytes("CP850")轉換的字符╔的字節值0xC9和String構造解碼，按照ISO-8859-1，導致性格É。下一行：

String valueUTF8 = new String(valueISO.getBytes(), "UTF-8"); 

......什麼都不做。 getBytes()在您的Linux系統上對平臺默認編碼中的字符串進行編碼，該編碼爲UTF-8。然後，String構造函數使用相同的編碼解碼它。刪除該行，你仍然應該得到相同的結果。

更重要的是，您嘗試創建「UTF-8字符串」被誤導了。你不需要關心Java字符串的編碼 - 它們總是UTF-16。將文本引入Java應用程序時，只需確保使用正確的編碼對其進行解碼即可。

如果我的分析是正確的，您的Access驅動程序是正確解碼;問題出在另一端，甚至在數據庫甚至出現在圖片之前。 這就是你需要解決的問題，因爲那個破解不能算在所有情況下工作。

---

原分析的基礎上，沒有信息。： -/
如果您在控制檯上看到HANDICAP╔ES，則可能沒有問題。鑑於此代碼：

System.out.println("HANDICAPÉES"); 

的JVM轉換（Unicode）的字符串來平臺默認的編碼，窗口1252，將其發送到控制檯前。然後控制檯使用其默認編碼自己的進行解碼，這恰好是cp850。所以控制檯顯示錯誤，但這很正常。如果你想讓它正確顯示，你可以用這個命令更改控制檯的編碼：

CHCP 1252 

要顯示GUI元素的字符串，如一個JLabel，你沒有做什麼特別的。只要確保你使用的字體可以顯示所有的字符，但這不應該是法語的問題。

至於寫入文件，只需指定所需的編碼，當您創建編劇：

OutputStreamWriter osw = new OutputStreamWriter(
    new FileOutputStream("myFile.txt"), "UTF-8"); 

Answer 2

String s = "HANDICAP╔ES"; 
System.out.println(new String(s.getBytes("CP850"), "ISO-8859-1")); // HANDICAPÉES 

這顯示正確的字符串值。這意味着它是原本編碼/解碼與ISO-8859-1和編碼與CP850（原CP1252又名的Windows ANSI然後錯誤在評論指出確實也是可能的，因爲É具有相同的代碼點出現在ISO-8859- 1）。

對準你的環境，二元管道使用所有一個相同的字符編碼。你不能也不應該在它們之間進行轉換。這樣就會冒失去非ASCII範圍內的信息的風險。

注意：不要使用上面的代碼片段，以「修復」的問題！這不是正確的解決方案。

---

更新：你顯然還是有問題掙扎。我重複回答的重要組成部分：

1. 對準你的環境，二元管道使用所有的一個和相同字符編碼。

2. 你可以不是而應該不是它們之間進行轉換。你會冒險這種方式失去信息在非ASCII範圍內。

3. 做不是使用上面的代碼片段來「解決」問題！那不會是正確的解決方案。

要解決此問題，您需要選擇字符編碼X，您希望在整個應用程序中使用字符編碼X.我建議UTF-8。更新MS Access以使用編碼X.更新您的開發環境以使用編碼X.更新java.io讀者和作者在您的代碼中以使用編碼X.更新您的編輯器以使用編碼X讀/寫文件。更新應用程序的用戶界面以使用編碼X.做不是使用Y或Z或任何在某個步驟。如果字符是已在某些數據存儲（MS Access，文件等）中已損壞，那麼您需要通過手動替換數據存儲中的字符來修復它。不要爲此使用Java。

如果您實際上使用「命令提示符」作爲用戶界面，那麼您實際上已經丟失。它不支持UTF-8。正如評論和評論中鏈接的文章中所建議的，您需要創建一個Swing應用程序，而不是依賴於受限制的命令提示符環境。

Answer 3

使用「ISO-8859-1」幫我對付法國本地字符。

Answer 4

建立連接時可以指定編碼。這種方式是完美的，並解決我的編碼問題：

DatabaseImpl open = DatabaseImpl.open(new File("main.mdb"), true, null, Database.DEFAULT_AUTO_SYNC, java.nio.charset.Charset.availableCharsets().get("windows-1251"), null, null); 
    Table table = open.getTable("FolderInfo");