Wie konvertiere ich zwischen ISO-8859-1 und UTF-8 in Java?

Weiß jemand, wie man einen String von ISO-8859-1 nach UTF-8 und zurück in Java konvertiert?

Ich erhalte eine Zeichenfolge aus dem Web und speichere sie im RMS (J2ME), aber ich möchte die Sonderzeichen beibehalten und die Zeichenfolge aus dem RMS abrufen, jedoch mit der ISO-8859-1-Codierung. Wie mache ich das?

Im Allgemeinen können Sie dies nicht tun. UTF-8 kann jeden Unicode-Codepunkt codieren. ISO-8859-1 kann nur einen winzigen Bruchteil davon verarbeiten. Das Transcodieren von ISO-8859-1 nach UTF-8 ist also kein Problem. Wenn Sie von UTF-8 zu ISO-8859-1 zurückgehen, werden "Ersatzzeichen" ( ) in Ihrem Text angezeigt, wenn nicht unterstützte Zeichen gefunden werden.

So transkodieren Sie Text:

byte[] latin1 = ...
byte[] utf8 = new String(latin1, "ISO-8859-1").getBytes("UTF-8");

oder

byte[] utf8 = ...
byte[] latin1 = new String(utf8, "UTF-8").getBytes("ISO-8859-1");

Sie können mehr Kontrolle ausüben, indem Sie die untergeordneten CharsetAPIs verwenden. Sie können beispielsweise eine Ausnahme auslösen, wenn ein nicht codierbares Zeichen gefunden wird, oder ein anderes Zeichen als Ersatztext verwenden.

Was für mich funktioniert hat: ("üzüm bağları" ist das richtige auf Türkisch geschrieben)

Konvertieren Sie ISO-8859-1 in UTF-8:

String encodedWithISO88591 = "üzüm baÄları";
String decodedToUTF8 = new String(encodedWithISO88591.getBytes("ISO-8859-1"), "UTF-8");
//Result, decodedToUTF8 --> "üzüm bağları"

Konvertieren Sie UTF-8 in ISO-8859-1

String encodedWithUTF8 = "üzüm bağları";
String decodedToISO88591 = new String(encodedWithUTF8.getBytes("UTF-8"), "ISO-8859-1");
//Result, decodedToISO88591 --> "üzüm baÄları"

Wenn Sie eine haben String, können Sie das tun:

String s = "test";
try {
    s.getBytes("UTF-8");
} catch(UnsupportedEncodingException uee) {
    uee.printStackTrace();
}

Wenn Sie ein "defekt" haben String, haben Sie etwas falsch gemacht. Die Konvertierung eines Stringin ein Stringanderes in einer anderen Codierung ist definitiv nicht der richtige Weg! Sie können a Stringin a konvertieren byte[]und umgekehrt (bei gegebener Codierung). In Java Stringsind AFAIK mit codiert, UTF-16aber das ist ein Implementierungsdetail.

Angenommen, Sie haben eine InputStream, können Sie eine einlesen byte[]und diese dann in eine StringVerwendung umwandeln

byte[] bs = ...;
String s;
try {
    s = new String(bs, encoding);
} catch(UnsupportedEncodingException uee) {
    uee.printStackTrace();
}

oder noch besser (dank erickson) so verwenden InputStreamReader:

InputStreamReader isr;
try {
     isr = new InputStreamReader(inputStream, encoding);
} catch(UnsupportedEncodingException uee) {
    uee.printStackTrace();
}

Hier ist ein einfacher Weg mit der String-Ausgabe (ich habe eine Methode dafür erstellt):

public static String (String input){
    String output = "";
    try {
        /* From ISO-8859-1 to UTF-8 */
        output = new String(input.getBytes("ISO-8859-1"), "UTF-8");
        /* From UTF-8 to ISO-8859-1 */
        output = new String(input.getBytes("UTF-8"), "ISO-8859-1");
    } catch (UnsupportedEncodingException e) {
        e.printStackTrace();
    }
    return output;
}
// Example
input = "Música";
output = "Música";

Regex kann auch gut sein und effektiv verwendet werden (Ersetzt alle UTF-8-Zeichen, die nicht ISO-8859-1durch Leerzeichen abgedeckt sind):

String input = "€Tes¶ti©ng [§] al€l o€f i¶t _ - À ÆÑ with some 9umbers as"
            + " w2921**#$%!@# well Ü, or ü, is a chaŒracte⚽";
String output = input.replaceAll("[^\\u0020-\\u007e\\u00a0-\\u00ff]", " ");
System.out.println("Input = " + input);
System.out.println("Output = " + output);

Die Apache Commons IO Charsets-Klasse kann nützlich sein:

String utf8String = new String(org.apache.commons.io.Charsets.ISO_8859_1.encode(latinString).array())

Hier ist eine Funktion zum Konvertieren von UNICODE (ISO_8859_1) in UTF-8

public static String String_ISO_8859_1To_UTF_8(String strISO_8859_1) {
final StringBuilder stringBuilder = new StringBuilder();
for (int i = 0; i < strISO_8859_1.length(); i++) {
  final char ch = strISO_8859_1.charAt(i);
  if (ch <= 127) 
  {
      stringBuilder.append(ch);
  }
  else 
  {
      stringBuilder.append(String.format("%02x", (int)ch));
  }
}
String s = stringBuilder.toString();
int len = s.length();
byte[] data = new byte[len / 2];
for (int i = 0; i < len; i += 2) {
    data[i / 2] = (byte) ((Character.digit(s.charAt(i), 16) << 4)
                         + Character.digit(s.charAt(i+1), 16));
}
String strUTF_8 =new String(data, StandardCharsets.UTF_8);
return strUTF_8;
}

PRÜFUNG

String strA_ISO_8859_1_i = new String("الغلاف".getBytes(StandardCharsets.UTF_8), StandardCharsets.ISO_8859_1);

System.out.println("ISO_8859_1 strA est = "+ strA_ISO_8859_1_i + "\n String_ISO_8859_1To_UTF_8 = " + String_ISO_8859_1To_UTF_8(strA_ISO_8859_1_i));

ERGEBNIS

ISO_8859_1 strA est = اÙغÙا٠String_ISO_8859_1To_UTF_8 = الغلاف

Der einfachste Weg, eine ISO-8859-1-Zeichenfolge in eine UTF-8-Zeichenfolge zu konvertieren.

private static String convertIsoToUTF8(String example) throws UnsupportedEncodingException {
    return new String(example.getBytes("ISO-8859-1"), "utf-8");
}

Wenn wir eine UTF-8-Zeichenfolge in eine ISO-8859-1-Zeichenfolge konvertieren möchten.

private static String convertUTF8ToISO(String example) throws UnsupportedEncodingException {
    return new String(example.getBytes("utf-8"), "ISO-8859-1");
}

Darüber hinaus eine Methode, die eine ISO-8859-1-Zeichenfolge in eine UTF-8-Zeichenfolge konvertiert, ohne den Konstruktor der Klasse String zu verwenden.

public static String convertISO_to_UTF8_personal(String strISO_8859_1) {
    String res = "";
    int i = 0;
    for (i = 0; i < strISO_8859_1.length() - 1; i++) {
        char ch = strISO_8859_1.charAt(i);
        char chNext = strISO_8859_1.charAt(i + 1);
        if (ch <= 127) {
            res += ch;
        } else if (ch == 194 && chNext >= 128 && chNext <= 191) {
            res += chNext;
        } else if(ch == 195 && chNext >= 128 && chNext <= 191){
            int resNum = chNext + 64;
            res += (char) resNum;
        } else if(ch == 194){
            res += (char) 173;
        } else if(ch == 195){
            res += (char) 224;
        }
    }
    char ch = strISO_8859_1.charAt(i);
    if (ch <= 127 ){
        res += ch;
    }
    return res;
}

}}

Diese Methode basiert auf der Verknüpfung von utf-8 mit iso-8859-1 dieser Website. Codierung von utf-8 in iso-8859-1