在 Java 中从 Codepage 1252 (Windows) 转换为 Java答案

【问题标题】：Convert from Codepage 1252 (Windows) to Java, in Java在 Java 中从 Codepage 1252 (Windows) 转换为 Java
【发布时间】：2010-10-09 08:03:42
【问题描述】：

我认为在 Windows 1252 代码页中有一些 Java 字符串（最初来自 Excel 工作表）。我希望它们转换为 Java 自己的 unicode 格式。 Excel 文件是使用 JXL 包解析的，以防万一。

我会澄清一下：显然从 Excel 文件中获取的字符串看起来很像它已经是某种 unicode。

WorkbookSettings ws = new WorkbookSettings();
ws.setCharacterSet(someInteger);
Workbook workbook = Workbook.getWorkbook(new File(filename), ws);
Sheet s = workbook.getSheet(sheet); 
row = s.getRow(4);
String contents = row[0].getContents();

这是内容似乎包含 unicode 的地方，åäö 是多字节字符，而 ASCII 是普通的单字节字符。它绝对不是Latin1。如果我用 printLn 打印“内容”字符串并将其重定向到 hello.txt 文件，我发现字母“ö”用两个字节表示，十六进制的 C3 B6。（十进制的 195 和 179。）

[编辑]

我尝试了下面给出的不同代码页等的建议，尝试从 Cp1252 等转换。有某种转换，因为我会得到一些其他类型的乱码。作为参考，我总是在源代码中打印一个手工编码的“ö”字符串，以验证我的终端或字体或任何东西没有问题。手动输入的“ö”始终有效。

[编辑]

我还按照 cmets 中的建议尝试了 WorkBookSettings，但我查看了 JXL 的代码，并且 characterSet 似乎被解析代码忽略了。我认为解析代码只是查看 XLS 文件应该使用的任何编码。

【问题讨论】：

Java自己的unicode格式是UTF-16，iirc。

标签： java windows unicode codepages

【解决方案1】：

如果上面的答案都不能解决问题，那么技巧可能是这样的：

String myOutput = new String (myInput, "UTF-8");

这应该解码传入的字符串，无论其格式如何。

【讨论】：

【解决方案2】：

您的描述表明编码是 UTF-8，实际上 C3 B6 是 'ö' 的 UTF-8 编码。

【讨论】：

【解决方案3】：

WorkbookSettings ws = new WorkbookSettings();

ws.setEncoding("CP1250");

为我工作。

【讨论】：

令人惊讶的工作！谢谢。还节省了我一半的时间。

【解决方案4】：

你需要在解析文件的时候指定正确的编码——一旦你有了一个基于错误编码的Java字符串，那就太迟了。

JXL 允许您通过将WorkbookSettings 对象传递给工厂方法来指定编码。

【讨论】：

谢谢！我会尝试这样做，并希望回到这个话题，让大家看看它是如何工作的。

【解决方案5】：

FileInputStream fis = new FileInputStream (yourFile);
BufferedReader reader = new BufferedReader(new InputStreamReader(fis,"CP1250"));

然后用阅读器做任何你直接用文件做的事情。

【讨论】：

【解决方案6】：

当 Java 解析文件时，它使用某种编码来读取磁盘上的字节并在内存中创建字节。默认编码因平台而异。 Java 的内部字符串表示已经是 Unicode，所以如果它使用正确的编码解析文件，那么你已经完成了；只需以您想要的任何编码写出数据即可。

如果您在 Java 中查看字符串时出现损坏，可能是因为您使用了错误的编码来读取数据。 Excel 可能正在使用 UTF-16（我认为是小尾数），但我希望像 JXL 这样的库应该能够适当地检测到它。我查看了 JXL 的 Javadocs，它对字符编码没有任何作用。我想它会根据需要自动检测任何编码。

您是否只需将已加载的字符串写入文本文件？如果是这样，那么以下内容将起作用：

String text = getCP1252Text(); // doesn't matter what the original encoding was, Java always uses Unicode
FileOutputStream fos = new FileOutputStream("test.txt"); // Open file
OutputStreamWriter osw = new OutputStreamWriter(fos, "UTF-16"); // Specify character encoding
PrintWriter pw = new PrintWriter(osw);

pw.print(text ); // repeat as needed

pw.close(); // cleanup
osw.close();
fos.close();

如果您的问题是其他问题，请编辑您的问题并提供更多详细信息。

【讨论】：

【解决方案7】：

"windows-1252"/"Cp1252" 不需要 JRE 支持，但 Sun （可能还有其他大多数）支持。请参阅 JDK 文档中的 "Supported Encodings"。然后只需使用String、InputStreamReader 或类似方法将字节解码为字符即可。

【讨论】：