UTF-8 -- ISO 8859-1 映射工具答案

【问题标题】：UTF-8 -- ISO 8859-1 mapping toolUTF-8 -- ISO 8859-1 映射工具
【发布时间】：2013-05-10 05:20:43
【问题描述】：

当我将带有 8859-1 中未知字符的 UTF-8 字符串转换为 8859-1 时，我会在这里和那里得到问号。当然，他还能做什么！

是否有一个 java 工具可以将“İKEA”之类的字符串映射到“IKEA”并避免？充分利用它？

【问题讨论】：

stackoverflow.com/questions/285228/…
@Hasan 抱歉，在重新阅读您的问题后，我错误地投票结束。
这个问题不是骗人的！建议的解决方案仅适用于 US-ASCII，但 iso8859-1 还包含几个字母，如 ÄÖÜ 应与 İ 区分开来（包含在 utf-8 中，但不在 iso8859-1 中）

标签： java character-encoding

【解决方案1】：

对于具体的例子，你可以：

使用兼容形式Unicode normalization分解字母和变音符号
指示encoder 删除不受支持的字符（变音符号）

例子：

ByteArrayOutputStream out = new ByteArrayOutputStream();
// create encoder
CharsetEncoder encoder = StandardCharsets.ISO_8859_1.newEncoder();
encoder.onUnmappableCharacter(CodingErrorAction.IGNORE);
// write data
String ikea = "\u0130KEA";
String decomposed = Normalizer.normalize(ikea, Form.NFKD);
CharBuffer cbuf = CharBuffer.wrap(decomposed);
ByteBuffer bbuf = encoder.encode(cbuf);
out.write(bbuf.array());
// verify
String decoded = new String(out.toByteArray(), StandardCharsets.ISO_8859_1);
System.out.println(decoded);

您仍在从定义 109,384 个值 (Unicode 6) 的字符集转码为支持 256 个值的字符集，因此总会有限制。

还可以考虑使用更复杂的转换 API，例如 ICU，以实现音译等功能。

【讨论】：