JAVA :: 垃圾字符编码答案

【问题标题】：JAVA :: Garbage characters encodingJAVA :: 垃圾字符编码
【发布时间】：2013-10-01 21:41:06
【问题描述】：

我从网上收到乱码字符串 ("à¤•à¤¿à¤¸à¤¾à¤¨à¥‹à¤, à¤•à¥‡ à¤²à¤)，我想将其转换为JAVA 中的印地语。我尝试过以下代码，但不知何故无法正常工作，

         s = new String(str.getBytes("ISO-8859-1"), "UTF-8");

它显示的印地语字符很少，但不是全部。它显示奇怪的字符，如 � 和 ?。

请帮我解决这个问题。

【问题讨论】：

什么是str？您来自网络的乱码字符串应该以字节形式出现，您可以将其转换为具有正确编码的字符串。
你试过其他编码吗？您可以循环尝试所有这些，看看哪个是正确的。
垃圾字符？请致电System.gc();，然后重试。
嗨彼得，我不知道如何检查所有编码？我是Java新手，所以没有太多想法。你能推荐点什么吗？
我检查了所有编码，但似乎没有任何工作正常。

标签： java unicode character-encoding

【解决方案1】：

新字符串(str.getBytes("ISO-8859-1"), "UTF-8");

这是试图恢复一个被错误解码为 ISO-8859-1 的字符串，而它实际上是 UTF-8。

但是，如果您谈论的是网页，那么您可能没有 ISO-8859-1，您可能有 Windows 代码页 1252，一种类似于 ISO-8859-1 的编码，但在字节范围 0x80–0x9F。如果您将上面代码中的ISO-8859-1 替换为windows-1252，您的示例文本会显示为：

किसानों के ल�

这似乎更接近正确（只是被截断）。

不过，一般来说，要避免尝试恢复解码错误的字符串。对于许多编码组合，错误解码可能会导致不可恢复的重整。首先使用正确的编码从原始字节解码字符串要好得多。你如何做到这一点取决于你从哪里得到str。

【讨论】：

我从 google feed api 获取 str。我对 google feed api 进行了 $.ajax 调用，它成功向我发送了数据，但数据包含所有字符，例如 ("à¤•à¤¿à¤¸à¤¾à¤¨à¥‹à¤‚ à¤ •à¥‡ à¤²à¤)。我想把它转换成应有的印地语。
嗨 bobince - 我尝试了你的建议，看起来还有几个印地语字符出现了，但仍然有一些垃圾字符 (�)。还有什么建议吗？
根据str 最初的解码方式，它可能会被不可挽回地损坏。你需要回去看看str 是如何收集的，因为真正的修复应该在那里完成。
bobince - 就像我说的数据来自 google feed api 并且没有提供有关 google api 结果集格式的帮助。
好的，这是 Google RSS API 中的一个错误：当它获取的提要的内容类型为 text/xml（没有 charset=）时，它会猜测（错误）编码，当实际上 XML 的默认编码应该是 UTF-8。直接浏览ajax.googleapis.com/ajax/services/feed/…就可以看到这个问题。 Google 需要解决这个问题。

【解决方案2】：

您可以在 web.xml 中对您的 tomcat 的过滤器编码进行一些更改，并在 server.xml 中修改连接器，而不是转换乱码字符串。以下是条目。这将在 tomcat 级别更改字符编码，您将获得通过 javascript 传递的确切字符。

web.xml

<filter> <filter-name>encodingFilter</filter-name> <filter-class>org.springframework.web.filter.CharacterEncodingFilter</filter-class> <init-param> <param-name>encoding</param-name> <param-value>UTF-8</param-value> </init-param> <init-param> <param-name>forceEncoding</param-name> <param-value>true</param-value> </init-param> </filter>
 <filter-mapping> <filter-name>encodingFilter</filter-name> <url-pattern>/*</url-pattern> </filter-mapping>

服务器.xml

在连接器标签中

<Connector port="8080" protocol="HTTP/1.1" 
.. 
..
URIEncoding="UTF-8" useBodyEncodingForURI="true" />

【讨论】：