确定ISO-8859-1与US-ASCII字符集的区别

Question

我正在尝试确定是否使用

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

或者

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

我正在阅读有关字符集的所有内容，以确定一个示例文件的字符集，我必须通过Java代码以相同的编码方式创建该文件。

当我的示例文件包含“欧洲”字母（挪威语：å ø æ）时，以下命令告诉我该文件的编码是“iso-8859-1”。

file -bi example.txt

然而，当我复制同一个示例文件并修改其包含不同的数据（没有任何挪威文本，例如，我用“Bjorn”替换“Bjørn”），那么相同的命令告诉我该文件编码为“us-ascii”。

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

这是什么意思？如果没有“欧洲”字符，ISO-8859-1实际上是否与US-ASCII相同？

我应该只使用字符集“ISO-8559-1”，那就万事大吉了吗？

- vikingsteve

---

你是想在名为 inputStream 的变量上使用 PrintWriter 吗？这听起来有些不对劲。 - Kayaman

你说得对 - 我犯了错误。正在编辑以修复。 - vikingsteve

Answer 1

如果文件仅包含7位的US-ASCII字符，可以将其作为US-ASCII读取。这并不能说明文件的字符集意图。只是巧合地没有出现需要不同编码的字符。

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相同（通常出于方便的原因）。

然而，你不能随便选一个编码并假设“一切都会没问题”。非常常见的UTF-8编码也包含US-ASCII字符集，但它将编码例如äöå的字符作为两个字节，而不是ISO-8859-1的一个字节。

简而言之：不要对编码做出假设。找出意图并使用该字符集。如果无法找到，则观察数据以尝试确定正确的字符集（正如您自己注意到的，多种编码可能至少暂时有效）。

- Kayaman

Answer 2

这取决于我们在相应文档中使用的不同字符类型。ASCII是7位字符集，ISO-8859-1是8位字符集，支持一些附加字符。但是，大多数情况下，如果您要从输入流中复制文档，则建议使用ISO-8859-1字符集。它适用于像记事本和MS Word这样的文本文件。

如果您使用了一些不同的国际字符，则需要检查支持该特定字符的相应字符集，如UTF-8。

- Kaliappan