Java中的“修复”字符串编码

Question

我使用UTF-8编码String从byte[]数组创建了一个。
但是，它应该已经使用其他编码创建（Windows-1252）。

有没有办法将此String转换回正确的编码？

我知道如果可以访问原始字节数组很容易做到，但是就我而言，为时已晚，因为它是由封闭的源库提供的。

Answer 1

关于这是否可行似乎有些困惑，我想我需要提供一个广泛的例子。

该问题声称（初始）输入是byte[]包含Windows-1252编码数据的输入。我称其byte[]
ib为“初始字节”。

在此示例中，我将选择德语单词“Bär”（意为熊）作为输入：

byte[] ib = new byte[] { (byte) 0x42, (byte) 0xE4, (byte) 0x72 };
String correctString = new String(ib, "Windows-1252");
assert correctString.charAt(1) == '\u00E4'; //verify that the character was correctly decoded.

（如果您的JVM不支持该编码，则可以改用ISO-8859-1，因为这三个字母（以及大多数其他字母）在这两种编码中位于同一位置）。

问题继续说明，其他一些代码（在我们的影响范围之外）已经byte[]使用UTF-8编码将其转换为字符串（我将其称为String
is“输入字符串”）。这String是可用于实现我们目标的 唯一输入 （如果is可用，那将是微不足道的）：

String is = new String(ib, "UTF-8");
System.out.println(is);

显然这会产生错误的输出“ B”。

目标将是 仅* 提供可用的内容ib（或对其进行正确的解码byte[]）。 *is

现在有人声称 _从中is_获取UTF-8编码的字节将返回与初始数组具有相同值的数组：

byte[] utf8Again = is.getBytes("UTF-8");

但这将返回两个字符的UTF-8编码，B并且�在重新解释为Windows-1252时肯定会返回错误的结果：

System.out.println(new String(utf8Again, "Windows-1252");

该行产生输出“B�”，这是完全错误的（如果初始数组包含非单词“Bür”，则结果也是相同的输出）。

因此， 在这种情况下， 您将无法撤消该操作，因为信息会丢失。

有 是
实际上情况下，这种错误的编码可以撤消。当所有可能的（或至少出现的）字节序列在该编码中有效时，它更有可能起作用。由于UTF-8具有几个字节序列，这些字节序列根本不是有效值，因此您
会 遇到问题。