恢复错误编码的字符（Java）

Question

我们在 Linux 中使用 cron 运行了一些 java 代码，以将数千条记录保存在生产数据库中。该框中的语言环境charmap 是“ANSI_X3.4-1968”。现在，我们在将它们持久化到数据库之前采取了以下步骤。 1.对文本使用StringEscapeUtils.unescapeHtml4 2. 将String写入UTF-8格式并持久化到数据库中

现在的问题是在这些步骤之后特殊字符显示为“？”。是否可以将其还原为原始角色？ 我已经通过以下步骤模拟了问题。

1. 将 Eclipse 编码更改为“ANSI_X3.4-1968”
2. 编写以下代码行

 

String insertSpecial = StringEscapeUtils.unescapeHtml4("×");
System.out.println(insertSpecial);
String uni = new String(insertSpecial.getBytes(), "UTF-8");// This value is currently in DB
System.out.println(uni);

现在我想从字符串“uni”中取回“×”。任何帮助将不胜感激。

Answer 1

基本上没有。你在new String(insertSpecial.getBytes(), "UTF-8"); 中犯了最大的错误，这再次表明字符编码非常难以处理。

那段代码的作用，一步一步：

1. 给我来自insertSpecial 平台编码的字节
2. 从字节创建一个新的字符串，告诉字节是 UTF-8（即使字节是之前在平台编码中获得的）

我已经多次看到这段代码，不幸的是它只会破坏一些东西。这是完全没有必要的，即使写得正确，它也不会“转换”任何东西。如果平台编码不是UTF-8，那么它很可能会破坏任何特殊字符（如果平台编码与 String 构造函数中给定的编码之间存在适当差异，则甚至会破坏整个字符串）。

问号是无法转换的字符的占位符，意味着它永远消失了。

这里有一些阅读，所以你不会再犯这个错误：The Absolute Minimum Every Software Developer Absolutely, Positively Must Know About Unicode and Character Sets (No Excuses!)