性格问题

Question

背景故事

我基本上是从数据库中检索字符串。我改变了一些文本或那些字符串。然后我将这些字符串上传回数据库，替换原来的字符串。查看显示这些字符串的前端后，我注意到了字符问题。我不再有原始字符串，但我有更新后的字符串。

问题

这些字符串中包含其他语言的字符。它们现在无法正确显示。我查看了代码点，原来的章程是一个代码点，现在是两个不同的代码点。

"Je?ro^me" //code-points 8. Code-points: 74, 101, 63, 114, 111, 94, 109, 101
"Jéróme" //code-points 6.   Code-points: 74,   233,   114,    243,  109, 101

问题

如何让 "Je?ro^me" 回到 "Jéróme"？

我尝试过的东西

使用 Notepad++ 将编码转换为 UTF8、ANSI 和 WINDOWS-1252。
创建了一个地图，用于查找 e? 之类的内容并将其转换为 é。

问题与两次尝试解决问题

一个。尝试不同的转换后问题仍然存在。

b。这里有两个问题：

我不知道要寻找的所有潜在 e?、o^ 等。有超过 20,000 个文件，可能涵盖多种语言。
如果我的句子以 e?

为了更好地理解这个问题而进行的研究

MCVE

import java.util.HashMap;
import java.util.Map;

/**
 *
 *https://docs.oracle.com/javase/tutorial/i18n/text/supplementaryChars.html
 *https://www.w3.org/International/questions/qa-what-is-encoding
 *https://www.joelonsoftware.com/2003/10/08/the-absolute-minimum-every-software-developer-absolutely-positively-must-know-about-unicode-and-character-sets-no-excuses/
 * @author sedri
 */
public class App {
    
    static String outputString; 
    
    public static void main(String[] args) {
        
        //May approach to fix the issue
        //Use a map to replace string issue with the correct character
        //The output looks good, but I would need to include all special characters for many languages.
        //What if I have a sentence like: How old are thee? 
        Map<String, String> map = new HashMap();
        map.put("e?", "é");
        map.put("o^", "ó");
        
        final String string = "Je?ro^me";
        final String accentString = "Jéróme";
        outputString = string;
        map.forEach((t, u) -> {
            if(outputString.contains(t))
            {
                outputString = outputString.replace(t, u);
            }
        });
        System.out.println("Fixed output: " + outputString);        
        System.out.println("");                    
        //End of my attempt at a solution.
        
        System.out.println("code points: " + string.codePoints().count());                
        for(int i = 0; i < string.length(); i++)
        {
            System.out.println(string.charAt(i) + ": " + Character.codePointAt(string, i));
        }
        System.out.println("");    
        
        System.out.println("code points: " + accentString.codePoints().count());                
        for(int i = 0; i < accentString.length(); i++)
        {
            System.out.println(accentString.charAt(i) + ": " + Character.codePointAt(accentString, i));
        }
        System.out.println("");    
          
        System.out.println("code points: " + outputString.codePoints().count());  
        for(int i = 0; i < outputString.length(); i++)
        {
            System.out.println(outputString.charAt(i) + ": " + Character.codePointAt(outputString, i));
        }        
        System.out.println("");  
    }
}

Answer 1

您的代码点之一是 63（问号）这一事实意味着您将无法可靠地将数据恢复为原始格式。 ? 可以表示许多未正确解码的不同字符，这意味着您已经丢失了恢复原始字符的重要信息。

您需要做的是建立正确的编码，以便在您首先从数据库中读取时使用。由于您没有在读取这些字符串的位置发布代码，因此我无法确切地告诉您如何或在何处执行此操作。

希望数据库中的数据本身没有被错误的字符编码破坏，否则您已经丢失了所需的信息。

您或许可以部分修复此类损坏，方法是将“o^”替换为“ó”，但如果同时使用“è”和“é” " 变成 "e?"，你永远无法确定哪个是哪个。

性格问题

Character Issues

java

codepoint

character-encoding