检测无状态字符集

Question

在Java中，是否有一种方法可以检测所有可用字符集（Charset#availableCharsets()）的无状态字符集？无状态意味着给定的字符集不使用移位状态来表示多个编码字符集，根据this description（参见3.2无状态和有状态）。我需要这些信息，因为我正在开发一个工具，该工具可以在随机位置解码二进制流，而这在使用有状态字符集时是不可能的。 编辑：我注意到，在搜索有状态编码时，只出现ISO-2022。这些是唯一可用的有状态编码吗？如果是这种情况，问题可能通过按名称区分编码的状态（即所有“ISO-2022”均为有状态/其他所有编码均不是）来解决。

- Chris_D_Turk

Answer 1

似乎没有办法知道Charset是否具有状态。

除了ISO-2022之外，还有一些具有状态的字符集，例如：

在 Java SE Supported Encodings 中的字符集中，EUC（EUC-JP，EUC-KR等）明确地具有状态。它使用单个转换来表示其状态。例如，当您在流中指向ASCII字节时，必须查看先前的字节，因为ASCII字节可以出现作为尾随字节。有关详细信息，请参见https://en.wikipedia.org/wiki/Extended_Unix_Code。

除了EUC之外，Shift_JIS和Windows-31j隐含地具有状态。例如，在Shift_JIS中，0x83 0x84表示ヤ，0x84 0x83表示с。因此，当您获得像... 0x83 0x84 0x83 0x84 0x83 0x84 0x83 ...这样的字节数组时，您必须回溯到数组的开头以确定该数组是表示ヤヤヤヤヤ...还是ссссс...。

在Java SE支持的编码之外，一些用于日本大型机的字符集（JIPS、KEIS等）具有状态。如果您的JDK支持此类字符集，则必须对它们进行处理。有关详细信息，请参见https://ja.wikipedia.org/wiki/%E6%BC%A2%E5%AD%97%E3%82%B7%E3%83%95%E3%83%88%E3%82%B3%E3%83%BC%E3%83%89（日语）。

- SATO Yusuke