修复 Java 中错误的 ISO-8859-1 解码 UTF-8 字符串
Fixing incorrectly ISO-8859-1 decoded UTF-8 string in Java
我必须处理一个不受我控制的库。它提供一个字符串，它使用 ISO-8859-1 从字节流中解码出来。但是字节流是UTF-8。所以很明显，如果它包含非 ASCII 字符，我得到的结果字符串是错误的。
所以我解决这个问题的方法是将字符串转换回字节流并使用 UTF-8 再次解码。像这样：
byte[] raw = inputText.getBytes(StandardCharsets.ISO_8859_1);
String correctedText = new String(raw, StandardCharsets.UTF_8);
我用很多例子测试了它，它似乎有效。然而，这是否总是正确的，或者在某些情况下这不起作用？换句话说：是否存在使用 ISO-8859-1 解码/重新编码任意字节数组不会产生原始字节数组的情况？
因为 ISO-8859-1 是每个字符 1 个字节的编码，所以它总是有效的。 UTF-8 字节被转换为不正确的字符，但幸运的是没有信息丢失。
使用 ISO-8859-1 编码将字符改回字节，即可得到原始字节数组，其中包含以 UTF-8 编码的字符，因此您可以使用正确的编码安全地重新解释它。
与此相反的情况并非（总是¹）正确，因为 UTF-8 是多字节编码。编码过程可能会遇到无效的字节序列，将其替换为替换字符?。那时你已经丢失了信息并且无法再取回原始字节。
¹ 如果您坚持使用 0-127 范围内的字符，它将起作用，因为它们使用单个字节在 UTF-8 中编码。
UTF-8 和 ISO-88-1 编码 ASCII 字符的方式相同。鉴于此你不应该有任何损失，因为你的原始输入是 ASCII。
我必须处理一个不受我控制的库。它提供一个字符串，它使用 ISO-8859-1 从字节流中解码出来。但是字节流是UTF-8。所以很明显，如果它包含非 ASCII 字符，我得到的结果字符串是错误的。
所以我解决这个问题的方法是将字符串转换回字节流并使用 UTF-8 再次解码。像这样：
byte[] raw = inputText.getBytes(StandardCharsets.ISO_8859_1);
String correctedText = new String(raw, StandardCharsets.UTF_8);
我用很多例子测试了它，它似乎有效。然而，这是否总是正确的，或者在某些情况下这不起作用？换句话说：是否存在使用 ISO-8859-1 解码/重新编码任意字节数组不会产生原始字节数组的情况？
因为 ISO-8859-1 是每个字符 1 个字节的编码，所以它总是有效的。 UTF-8 字节被转换为不正确的字符，但幸运的是没有信息丢失。
使用 ISO-8859-1 编码将字符改回字节，即可得到原始字节数组，其中包含以 UTF-8 编码的字符，因此您可以使用正确的编码安全地重新解释它。
与此相反的情况并非（总是¹）正确，因为 UTF-8 是多字节编码。编码过程可能会遇到无效的字节序列，将其替换为替换字符?。那时你已经丢失了信息并且无法再取回原始字节。
¹ 如果您坚持使用 0-127 范围内的字符，它将起作用，因为它们使用单个字节在 UTF-8 中编码。
UTF-8 和 ISO-88-1 编码 ASCII 字符的方式相同。鉴于此你不应该有任何损失，因为你的原始输入是 ASCII。