商标 (™) 符号显示为 ?在使用 JAXB 的编组过程中？答案

【问题标题】：Trademark (™) symbol displayed as ? during marshalling process using JAXB?商标 (™) 符号显示为 ?在使用 JAXB 的编组过程中？
【发布时间】：2014-01-22 22:10:46
【问题描述】：

我有一个需要编组的 Java 对象。我的对象的属性之一有一个包含商标符号 (™) 的字符串描述。

但在编组完成后，它会显示为问号 (?)。我玩过编码并尝试将其设置为 US-ASCII 然后它返回并完美显示符号。

我用谷歌搜索了 ASCII 和 UTF-8 之间的区别，但看起来 UTF 具有更大的字符集 UTF-8 vs ASCII Text。

话虽如此，如果 UTF-8 具有更大的字符集，从 UTF-8 转到 ASCII 看起来有点危险。

我也看过这个Usages of ASCII and UTF-8，ASCII 的使用率不到 1%。

使用 JAXB 对 ™ 进行编码的正确方法是什么？

我的编组器对其进行解码如下所示：

public String marshall(final Response response) {
    final Marshaller marshaller = getContextResponse().createMarshaller();
    marshaller.setProperty(Marshaller.JAXB_FORMATTED_OUTPUT, Boolean.FALSE);
    marshaller.setProperty(Marshaller.JAXB_ENCODING, "UTF-8");
    final StringWriter writer = new StringWriter();
    synchronized (responseMarshalMutex) {
       marshaller.marshal(response, writer);
    }
    return writer.getBuffer().toString();
}

【问题讨论】：

我相信与您的说法相反的说法是正确的。由于 UTF-8 是 ASCII 的超集，因此从 ASCII 转换为 UTF-8 始终是安全的，因为可以保证不会丢失任何信息。每个字符都将被保留。但是，从 UTF-8 转换为 ASCII 是危险的，因为任何非 ASCII 字符都会被转换为类似'?' 的字符（或者会产生异常，具体取决于您进行转换的方式）。
不知道我的措辞是否正确，但正如我所说的“如果 UTF-8 有更大的字符集，从 UTF-8 转到 ASCII 很危险”。这确实表明 UTF-8 = (ASCI + more)。还是我错过了什么:)

标签： java encoding utf-8 jaxb marshalling

【解决方案1】：

当您告诉 JAXP 使用 ASCII 作为编码时，它将使用字符实体表示任何非 ASCII 字符……例如 (TM) 字符。这将通过一个 7 位通道而不会损坏，并且通常可以使用不适当的字符编码“安全地”解码。

当您告诉 JAXP 使用 UTF-8 作为编码时，非 ASCII 字符将被编码为多字节序列，其中许多都设置了最高位。如果您随后尝试（例如偶然）在某个时候使用错误的编码对其进行解码，您很可能会出现某种乱码。（例如，如果 XML 是在 HTTP 请求或回复中发送的，而您忽略了在 'content-type' 标头中指定字符编码，则可能会发生这种情况。

如果可以选择，最好在生成 XML 时使用 ASCII（或 Latin-1）作为编码。这将最大限度地提高您在最终解析 XML 时获得相同文本值的机会。

【讨论】：