如何删除从 Web 服务返回的无法识别的字符？答案

【问题标题】：How do I remove unrecognized characters which come back from a web service?如何删除从 Web 服务返回的无法识别的字符？
【发布时间】：2010-04-16 02:45:07
【问题描述】：

我正在开发一个调用休息网络服务的应用程序。有时 xml 响应包含手机无法显示的字符。显示这些字符时，会显示一个空框。我想过滤掉这些字符。如何检测一个字符是否能够显示在屏幕上？

一些特定的字符包括：

http://www.fileformat.info/info/unicode/char/0094/index.htm http://www.fileformat.info/info/unicode/char/0080/index.htm http://www.fileformat.info/info/unicode/char/0092/index.htm

【问题讨论】：

您确定这是“理解”问题（无法识别的 XML 实体）而不仅仅是“显示”问题（应用程序字体缺少某些 Unicode 代码点）吗？如果是前者，答案是在读入之前清理 XML；如果是后者，您的问题可以通过选择（或捆绑）另一种具有更多代码点的字体来解决。
你能解释一下哪些字符没有正确显示吗？另外，你用的是什么字体。
如果您可以发布更多信息，例如未正确显示的字符，我们可以给您一个不那么笼统的答案

标签： java xml android parsing encoding

【解决方案1】：

Android 支持以下encodings

Xml.Encoding ISO_8859_1
Xml.Encoding US_ASCII
Xml.Encoding UTF_16
Xml.Encoding UTF_8

US_ASCII 应该不会有任何问题。

对于 ISO_8859_1，您应该检查 wiki 用于控制字符 0x00-0x1f 和 0x7f-0x9f 并过滤它们。当然还要使用匹配的字体。

使用 UTF_8 或 16 更复杂，请阅读 Joels The Absolute Minimum Every Software Developer Absolutely, Positively Must Know About Unicode and Character Sets

您可能会发现此邮件list 很有用。

【讨论】：

【解决方案2】：

首先，尝试使用以下命令获取设备的默认字符集：

Charset.defaultCharset();

然后尝试在 XML 声明的伪属性或 HTTP 调用的 Content-Type 标头中查找 XML 的字符集。
例如：

<?xml version="1.0" encoding="utf-8" ?>

或

Content-Type: text/html; charset=utf-8

如果您设备的默认字符集与 XML 的字符集不同，您在处理新字符串时必须注意：

new String( bytes);

因为如果您忘记指定正确的编码，Dalvik 将使用设备的默认编码，但可能会出现显示错误。
记得使用：

new String( bytes, encoding);

【讨论】：

【解决方案3】：

看来我可以在每个字符上调用Character.isIdentifierIgnorable()，如果它是可忽略的，则不包括它。 Character.isISOControl() 可能也会起作用。

【讨论】：