Java中的编码转换

Question

有没有任何免费的Java库可以用来将一个编码的字符串转换为另一个编码，类似于 iconv？我正在使用Java版本1.3。

- tropikalista

---

相关：在Java中将字符串编码从UTF-8更改为windows-1251时保存西里尔字母 - Basil Bourque

Answer 1

你不需要使用除了标准库之外的任何库，只需使用Charset。（你可以使用String构造函数和getBytes方法，但个人不喜欢仅使用字符编码名称工作，容易出现笔误。）

修改：正如评论中指出的那样，您仍然可以使用Charset实例，同时具有String方法的易用性：new String(bytes, charset) 和 String.getBytes(charset)。

请参见“URL编码（或：“URL中的‘%20’是什么？”）”。

- Jon Skeet

---

在大多数情况下，我更喜欢使用new String(byte[], encoding)和String.getBytes(encoding)，因为它们只需要一行代码就能完成，相比之下Charset API更加强大但也更加复杂（顺便提一句，Charset API仅适用于Java 1.4及以上版本）。 - Alexander

是的，Charset API 很复杂，这真是一件遗憾的事情。在我看来，.NET 的 System.Encoding 类做得非常好，并且将功能保持在 String 之外。 - Jon Skeet

链接已修复。请参见http://www.free-scripts.net/html_tutorial/html/topics/urlencoding.htm。 - VonC

Answer 2

CharsetDecoder应该是你要找的东西，对吧？

许多网络协议和文件使用以字节为导向的字符集存储其字符，例如ISO-8859-1（ISO-Latin-1）。
然而，Java的本地字符编码是Unicode UTF16BE（十六位UCS转换格式，大端字节顺序）。

请参阅Charset。这并不意味着UTF16是默认字符集（即：默认的“十六位Unicode代码单元序列与字节序列之间的映射”）：

每个Java虚拟机实例都有一个默认字符集，可能是标准字符集之一，也可能不是。

[US-ASCII, ISO-8859-1（也称为ISO-LATIN-1），UTF-8，UTF-16BE，UTF-16LE，UTF-16]

默认字符集在虚拟机启动时确定，通常取决于底层操作系统使用的区域设置和字符集。

此示例演示了如何将ByteBuffer中的ISO-8859-1编码字节转换为CharBuffer中的字符串，以及反之。

// Create the encoder and decoder for ISO-8859-1
Charset charset = Charset.forName("ISO-8859-1");
CharsetDecoder decoder = charset.newDecoder();
CharsetEncoder encoder = charset.newEncoder();

try {
    // Convert a string to ISO-LATIN-1 bytes in a ByteBuffer
    // The new ByteBuffer is ready to be read.
    ByteBuffer bbuf = encoder.encode(CharBuffer.wrap("a string"));

    // Convert ISO-LATIN-1 bytes in a ByteBuffer to a character ByteBuffer and then to a string.
    // The new ByteBuffer is ready to be read.
    CharBuffer cbuf = decoder.decode(bbuf);
    String s = cbuf.toString();
} catch (CharacterCodingException e) {
}

- VonC

---

Unicode不是一种编码方式！UTF-8、UTF-16 等才是。请参考http://www.joelonsoftware.com/articles/Unicode.html。 - Christian Klauser

@SealedSun：非常正确。我已经修复了我的答案中的“Java本地编码”部分。 - VonC

Answer 3

我想补充一点，如果字符串最初使用错误的编码进行编码，则可能无法在不出现错误的情况下将其更改为另一种编码。 该问题没有说明此处的转换是从错误的编码到正确的编码，但我个人因为这种情况而偶然遇到了这个问题，所以也提醒其他人注意一下。

另一个问题中的答案解释了为什么转换不总是产生正确的结果： https://dev59.com/z3E85IYBdhLWcg3wwWat#2623793

- wallabui

Answer 4

如果你把Unicode看作一个字符集（它实际上就是这样——基本上是所有已知字符的编号集），那么它会变得容易得多。你可以将其编码为UTF-8（每个字符1-3个字节，具体取决于字符）或者UTF-16（每个字符2个字节或者使用代理对4个字节）。

在很久以前，Java使用UCS-2来编码Unicode字符集。这种编码方式只能处理每个字符2个字节，现在已经过时了。添加代理对并升级到UTF-16是一种相当明显的hack。

很多人认为他们应该一开始就使用UTF-8。当Java最初编写时，Unicode已经有超过65535个字符了...

- Anon