Преобразование UTF-8 в ISO-8859-1 в Java - как сохранить его как один байт

Ответ 1

Если вы имеете дело с кодировками символов, отличными от UTF-16, вы не должны использовать java.lang.String или примитив char - вы должны использовать только массивы byte[] или ByteBuffer. Затем вы можете использовать java.nio.charset.Charset для преобразования между кодировками:

Charset utf8charset = Charset.forName("UTF-8");
Charset iso88591charset = Charset.forName("ISO-8859-1");

ByteBuffer inputBuffer = ByteBuffer.wrap(new byte[]{(byte)0xC3, (byte)0xA2});

// decode UTF-8
CharBuffer data = utf8charset.decode(inputBuffer);

// encode ISO-8559-1
ByteBuffer outputBuffer = iso88591charset.encode(data);
byte[] outputData = outputBuffer.array();

Ответ 2

byte[] iso88591Data = theString.getBytes("ISO-8859-1");

Будет делать трюк. Из вашего описания кажется, что вы пытаетесь "сохранить строку ISO-8859-1". Строковые объекты в Java всегда неявно кодируются в UTF-16. Невозможно изменить эту кодировку.

Что вы можете сделать ", хотя нужно получить байты, которые составляют некоторую другую его кодировку (используя метод .getBytes(), как показано выше).

Ответ 3

Начиная с набора байтов, которые кодируют строку с использованием UTF-8, создает строку из этих данных, а затем получает некоторые байты, кодирующие строку в другой кодировке:

    byte[] utf8bytes = { (byte)0xc3, (byte)0xa2, 0x61, 0x62, 0x63, 0x64 };
    Charset utf8charset = Charset.forName("UTF-8");
    Charset iso88591charset = Charset.forName("ISO-8859-1");

    String string = new String ( utf8bytes, utf8charset );

    System.out.println(string);

    // "When I do a getbytes(encoding) and "
    byte[] iso88591bytes = string.getBytes(iso88591charset);

    for ( byte b : iso88591bytes )
        System.out.printf("%02x ", b);

    System.out.println();

    // "then create a new string with the bytes in ISO-8859-1 encoding"
    String string2 = new String ( iso88591bytes, iso88591charset );

    // "I get a two different chars"
    System.out.println(string2);

выводит строки и байты iso88591 правильно:

âabcd 
e2 61 62 63 64 
âabcd

Итак, ваш массив байтов не был сопряжен с правильной кодировкой:

    String failString = new String ( utf8bytes, iso88591charset );

    System.out.println(failString);

Выходы

âabcd

(либо это, либо вы просто написали байты utf8 в файл и прочитали их в другом месте как iso88591)

Ответ 4

Это то, что мне нужно:

public static byte[] encode(byte[] arr, String fromCharsetName) {
    return encode(arr, Charset.forName(fromCharsetName), Charset.forName("UTF-8"));
}

public static byte[] encode(byte[] arr, String fromCharsetName, String targetCharsetName) {
    return encode(arr, Charset.forName(fromCharsetName), Charset.forName(targetCharsetName));
}

public static byte[] encode(byte[] arr, Charset sourceCharset, Charset targetCharset) {

    ByteBuffer inputBuffer = ByteBuffer.wrap( arr );

    CharBuffer data = sourceCharset.decode(inputBuffer);

    ByteBuffer outputBuffer = targetCharset.encode(data);
    byte[] outputData = outputBuffer.array();

    return outputData;
}

Ответ 5

Если у вас есть правильная кодировка в строке, вам не нужно делать больше, чтобы получить байты для другой кодировки.

public static void main(String[] args) throws Exception {
    printBytes("â");
    System.out.println(
            new String(new byte[] { (byte) 0xE2 }, "ISO-8859-1"));
    System.out.println(
            new String(new byte[] { (byte) 0xC3, (byte) 0xA2 }, "UTF-8"));
}

private static void printBytes(String str) {
    System.out.println("Bytes in " + str + " with ISO-8859-1");
    for (byte b : str.getBytes(StandardCharsets.ISO_8859_1)) {
        System.out.printf("%3X", b);
    }
    System.out.println();
    System.out.println("Bytes in " + str + " with UTF-8");
    for (byte b : str.getBytes(StandardCharsets.UTF_8)) {
        System.out.printf("%3X", b);
    }
    System.out.println();
}

Вывод:

Bytes in â with ISO-8859-1
 E2
Bytes in â with UTF-8
 C3 A2
â
â

Ответ 6

Для кодирования файлов...

public class FRomUtf8ToIso {
        static File input = new File("C:/Users/admin/Desktop/pippo.txt");
        static File output = new File("C:/Users/admin/Desktop/ciccio.txt");


    public static void main(String[] args) throws IOException {

        BufferedReader br = null;

        FileWriter fileWriter = new FileWriter(output);
        try {

            String sCurrentLine;

            br = new BufferedReader(new FileReader( input ));

            int i= 0;
            while ((sCurrentLine = br.readLine()) != null) {
                byte[] isoB =  encode( sCurrentLine.getBytes() );
                fileWriter.write(new String(isoB, Charset.forName("ISO-8859-15") ) );
                fileWriter.write("\n");
                System.out.println( i++ );
            }

        } catch (IOException e) {
            e.printStackTrace();
        } finally {
            try {
                fileWriter.flush();
                fileWriter.close();
                if (br != null)br.close();
            } catch (IOException ex) {
                ex.printStackTrace();
            }
        }

    }


    static byte[] encode(byte[] arr){
        Charset utf8charset = Charset.forName("UTF-8");
        Charset iso88591charset = Charset.forName("ISO-8859-15");

        ByteBuffer inputBuffer = ByteBuffer.wrap( arr );

        // decode UTF-8
        CharBuffer data = utf8charset.decode(inputBuffer);

        // encode ISO-8559-1
        ByteBuffer outputBuffer = iso88591charset.encode(data);
        byte[] outputData = outputBuffer.array();

        return outputData;
    }

}

Ответ 7

В дополнение к ответу Адама Розенфилда, я хотел бы добавить, что ByteBuffer.array() возвращает буфер, лежащий в основе массива байтов, который не обязательно "обрезается" до последнего символа. Необходимы дополнительные манипуляции, например, упомянутые в этом ответе; в частности:

byte[] b = new byte[bb.remaining()]
bb.get(b);

Ответ 8

высекать не символы ISO-8859-1, заменить на?? (перед отправкой в ​​базу данных ISO-8859-1):

utf8String = new String (utf8String.getBytes(), "ISO-8859-1" );