确定 ISO-8859-1 与 US-ASCII 字符集答案

【问题标题】：Determining ISO-8859-1 vs US-ASCII charset确定 ISO-8859-1 与 US-ASCII 字符集
【发布时间】：2015-08-25 08:41:30
【问题描述】：

我正在尝试确定是否使用

PrintWriter pw = new PrintWriter(outputFilename, "ISO-8859-1");

或

PrintWriter pw = new PrintWriter(outputFilename, "US-ASCII");

我正在阅读 All about character sets 以确定示例文件的字符集，我必须通过 java 代码以相同的编码创建该文件。

当我的示例文件包含“欧洲”字母（挪威语：å ø æ）时，以下命令告诉我文件编码为“iso-8859-1”

file -bi example.txt

但是，当我复制同一个示例文件并对其进行修改以包含不同的数据时，没有任何挪威语文本（假设我将“Bjørn”替换为“Bjorn”），然后相同的命令告诉我文件编码是“us-ascii”。

file -bi example-no-european-letters.txt

这是什么意思？如果其中没有“欧洲”字符，那么 ISO-8859-1 在实践中是否与 US-ASCII 相同？

我应该只使用字符集“ISO-8559-1”，一切都会好起来的吗？

【问题讨论】：

【解决方案1】：

如果文件仅包含 7 位 US-ASCII 字符，则可以将其读取为 US-ASCII。它没有说明字符集的用途。没有需要不同编码的字符可能只是巧合。

ISO-8859-1（和 -15）是一种常见的欧洲编码，能够编码 äöåéü 和其他字符，前 127 个字符与 US-ASCII 中的相同（为了方便起见，通常是这样）。

但是，您不能只选择一种编码并假设“一切都会好起来”。非常常见的 UTF-8 编码也包含 US-ASCII 字符集，但它将例如 äöå 字符编码为两个字节，而不是 ISO-8859-1 的一个字节。

TL;DR：不要假设有编码。找出意图并使用它。如果找不到，请观察数据以尝试找出要使用的正确字符集（正如您自己指出的那样，多种编码可能至少暂时起作用）。

【讨论】：

【解决方案2】：

这取决于我们在相应文档中使用的不同类型的字符。 ASCII 是 7 位字符集，ISO-8859-1 是 8 位字符集，它支持一些额外的字符。但是，大多数情况下，如果您要从 inputstream 复制文档，我推荐使用 ISO-8859-1 字符集。它适用于记事本和 MS word 等文本文件。

如果您使用一些不同的国际字符，我们需要检查支持该特定字符的相应字符集，如 UTF-8..

【讨论】：