自动将Unicode字符映射到类似的EBCDIC 1047字符

Question

我正在尝试编码一个包含目标编码（CP 1047）不支持的字符的字符串。

是否有一种标准/常见/易用的方法将这些字符映射到cp1047等效字符？

例如，文本中有一个花式双引号字符（”），我想将其转换为直接双引号（"）。

显然，我可以在代码中执行替换操作，但是否有更好的方法？ 是否有我不知道的开源工具或API可用？

- tom

---

大多数Unicode字符并没有对应的CP1047字符。 - SLaks

这个问题 https://dev59.com/fW445IYBdhLWcg3wia6W 指向一个看起来不错的转换表网页 http://lexsrv3.nlm.nih.gov/LexSysGroup/Projects/lvg/current/docs/designDoc/UDF/unicode/DefaultTables/symbolTable.html。 - clstrfsck

升级您的遗留编码到Unicode比将Unicode降级为陈旧的、腐朽的遗留编码要容易得多，也更加可取。 - tchrist

Answer 1

如果您想在EBCDIC（CP 1047）中编码Unicode字符，那么（显然）有UTF-EBCDIC（尽管我不知道任何现有的工具可以转换为该格式）。

另外，我建议使用非标准形式的百分号编码或XML/HTML编码。这两种编码中的任何一种都可能有现有的编码工具（例如Commons Lang StringEscapeUtils）。

最后，如果您只想将扩展字符“映射”到CP 1047空间中，那么我想您只能逐个扫描源字符串中的字符，并从Map<Char, Char>（或Map<Char, String>）构建结果字符串，只要您预先知道所有需要处理的扩展字符及其所需的等效/替换字符。

- Alistair A. Israel