Jackcess：MSAccess 数据库的错误字符集

Question

我有一个 MS-Access 数据库，其中包含 "encrypted" 个字符串。这些看起来像这样：

但是，我很快注意到这些字符串的长度与明文的长度完全匹配（我知道明文）。因此，通过 Excel 的一些尝试，我发现如果您使用 =CODE(<char>)-函数（这样您就可以在默认字符集中获得字符代码，而 =CHAR(<number>) 反之亦然）和将此数字与该符号应代表您的字母的字符代码相异或总是得到相同的结果。这意味着我只需要在 java 中创建一个包含这些值的数组，瞧。 Excel 例子（右边提到的"Array"）：示例：“>>”的索引为 (dec) 187，因此 187xor253 产生 70 => "F"

现在，我使用 jackcess 来访问这些值，"decryption" 基本上没问题，但有时我会从字符串中得到错误的字符。在 Excel 中一切正常。最佳结果代码：

public static final int[] DECRYPT_KEY = { 253, 203, 204, 217, 226, 205, 128, 201, 222, 183, 58, 217, 230, 201, 183, 211, 158, 203, 167, 213, 35, 33, 201, 123, 186, 247 };

public static void main(String[] args) throws IOException
{
    System.out.println(System.getProperty("file.encoding"));


    Database db = DatabaseBuilder.open(new File("/home/***/TM.db"));                
    Table table = db.getTable("personal");

    for (Row row : table)
    {
        String vorname = row.getString("vorname");
        byte[] vornameArr = vorname.getBytes("cp1252");
        for (int i1 = 0; i1 < vornameArr.length; i1++)
        {               
            vornameArr[i1] = (byte) ((vornameArr[i1] & 0xff) ^ DECRYPT_KEY[i1]);
        } 

        System.out.println(new String(vornameArr, "cp1252"));
    }
}

但是正如我所说，有些字符仍然是错误的，在 Excel 但是一切都很好。当我打印出 getBytes("cp1272") 给出的数字时，它与 Excel 完全不同。

你有什么想法，我可能做错了什么，为什么 java 有时给出的值与 Excel 如此不同？什么是更好的方法？我已经尝试了所有字符集的组合，有些在其他失败的地方工作，但后来又出现了其他错误的结果。

Answer 1

我能够通过使用您问题中的字节值破解数据库文件来重现您的问题。行

byte[] vornameArr = vorname.getBytes("cp1252");

尝试将vorname字符转换为cp1252字节，但是没有对应U+008F（十进制143，SINGLE SHIFT THREE）的cp1252字符，所以Java转换那个字符到问号 (0x3F)。因此，您的解码步骤是解码 0x3F 而不是 0x8F，这就是为什么您得到 "FadiÝa" 而不是 "Fadima"。

通过将上面的单行替换为

，我能够得到正确的结果

byte[] doubleBytes = vorname.getBytes("UTF-16LE");  // 187 0 170 0 168 0 ...
byte[] vornameArr = new byte[doubleBytes.length / 2];
for (int i = 0; i < vornameArr.length; i++) {
    vornameArr[i] = doubleBytes[i * 2];  // remove nulls
}

然后运行 vornameArr 字节通过你的解码循环。（如果愿意，您也可以在上述循环中应用解码转换。）

Answer 2

感谢@Gord Thompson 和他建议的网站 (fileformat.info) 我终于找到了答案：有时字符看起来很相似，并且出于某种原因在数据库中首选 "higher" （例如 unicode 字符 402 和 131）。我的 java 代码希望所有内容都具有较低的值，正如 excel 提供的那样。因此，如果代码高于 255，则需要将其替换为较低的值。出于某种原因，getBytes("cp1252") 将始终 return 较低的值，但是 toCharArray() 和 getBytes("UTF-16LE") 将 return 较高的正确值（比较：fileformat 192)

所以我的代码现在是这样的并且完美运行：

String vorname = row.getString("vorname");
char[] vornameArr = vorname.toCharArray();          
for (int i = 0; i < vornameArr.length; i++)
{
    if (vornameArr[i] > 255)
    {
        vornameArr[i] = (char) (String.valueOf(vornameArr[i]).getBytes("cp1252")[0] & 0xff);
    }

    vornameArr[i] = (char) (vornameArr[i] ^ DECRYPT_KEY[i]);
}

System.out.println(String.valueOf(vornameArr));

非常感谢您的帮助！

Jackcess：MSAccess 数据库的错误字符集

Jackcess: wrong charset for MSAccess database

java

encryption

excel

jackcess