检查字符串是否包含编码字符

Question

你好，我正在寻找一种检测字符串是否被编码的方法。

例如：

    String name = "Hellä world";
    String encoded = new String(name.getBytes("utf-8"), "iso8859-1");

这个encoded变量的输出结果是：

Hellä world

如您所见，有一个带重音符号的A以及另一个符号。是否有办法检查输出是否包含编码字符？

- Decrypter

---

所有字符都被编码了。你是想判断一个字符是否被编码成了两个或更多字节，而不是一个吗？ - Peter Lawrey

如果您正在尝试检查字符串name是否可以正确编码为ISO-8859-1，则此现有问题（从本问题的链接中链接）似乎是答案。 - Richard Barnett

Answer 1

看起来你想要检查一个从latin1解码的字符串是否也可以用UTF-8编码，这很容易因为非法字节序列会被字符\ufffd替换：

String recoded = new String(encoded.getBytes("iso-8859-1"), "UTF-8");
return recoded.indexOf('\uFFFD') == -1; // No replacement character found

- Joni

Answer 2

您的问题不太明确。Java中的String是一串字符，它们在转换为字节之前没有编码方式。当您将它们转换为字节时，需要指定编码方式（虽然您会看到很多使用平台默认编码方式的代码，例如没有参数的String.getBytes()）。

我建议您阅读这篇文章：http://kunststube.net/encoding/。

- artbristol

---

这个答案是完全正确的，但对于新手来说可能仍然有点晦涩。实际上问题是“如何判断一个字符串是否已经用某种编码进行了编码？”简短的答案是：通过试错。您可以设置一个CharsetDecoder以特定目标编码（UTF-8/ISO-8859-1等）进行配置，并尝试将您的字符串通过该解码器运行。如果解码失败或引发异常，则意味着您的字符串包含一个或多个不是该目标编码的字符。如果解码器能够无错误地解码，则表明您的字符串符合该编码的条件。 - user1768830

Answer 3

String name = "Hellä world";
String encoded = new String(name.getBytes("utf-8"), "iso8859-1");

这段代码仅是一个字符损坏的漏洞。你将一个UTF-16字符串转码为UTF-8，假装它是ISO-8859-1，并将其转码回UTF-16，导致字符编码不正确。

- McDowell

Answer 4

如果我正确理解了您的问题，这段代码可能会对您有所帮助。函数isEncoded检查其参数是否可以编码为ascii或是否包含非ascii字符。

public boolean isEncoded(String text){

    Charset charset = Charset.forName("US-ASCII");
    String checked=new String(text.getBytes(charset),charset);
    return !checked.equals(text);

}

@Test
public void testAscii() throws Exception{
    Assert.assertFalse(isEncoded("Hello world"));
}


@Test
public void testNonAscii() throws Exception{
    Assert.assertTrue(isEncoded("Hellä world"));
}

您还可以检查其他字符集，更改字符集变量或将其移动到参数中。

- Andrea Parodi

Answer 5

我不确定你想要做什么或者你的问题是什么。

这行话没有任何意义：

String encoded = new String(name.getBytes("utf-8"), "iso8859-1");

你正在将你的name编码为"UTF-8"，然后尝试解码为"iso8859-1"。

如果你想将你的name编码为"iso8859-1"，只需执行name.getBytes("iso8859-1")。

请告诉我们你遇到的问题，以便我们能够提供更多帮助。

- bruno conde

Answer 6

你可以通过这段代码来检查你的字符串是否被编码了。

public boolean isEncoded(String input) {

    char[] charArray = input.toCharArray();
    for (int i = 0, charArrayLength = charArray.length; i < charArrayLength; i++) {
        Character c = charArray[i];
        if (Character.getType(c) == Character.OTHER_LETTER)){
            return true;
        }
    }
    return false;
}

- Pooya

---

我认为你只是在测试字符串是否包含“其他字母”Unicode组中的字符。但是Character.getType('ä') == Character.LOWERCASE_LETTER和Character.getType('a') == Character.LOWERCASE_LETTER。 - Andrea Parodi

是的，因为我认为问题在于如何找到一个字符串是否包含编码字符，而这种方法返回了这一点。 - Pooya

但是 Character.getType('ä') == Character.LOWERCASE_LETTER 并且 Character.getType('ä') != Character.OTHER_LETTER，所以你的代码不起作用。Character.OTHER_LETTER 不包含所有 Unicode 字符，只包含特定的子组。 - Andrea Parodi