文章/答案/技术大牛

发布

社区首页 >问答首页 >java 8编写utf-8编码乱码

问java 8编写utf-8编码乱码
EN

Stack Overflow用户

提问于 2018-12-17 09:02:44

回答 1查看 549关注 0票数 1

我在试着得到一个有用的utf-8文本文件。通过工作，我的意思是在firefox和libreoffice中，它应该是正确的。

要写，我使用：

PrintWriter writer = new PrintWriter(savepath, "UTF-8");

对于使用java进行阅读，我使用：

      InputStreamReader isr = new InputStreamReader(new FileInputStream(loadpath), Charset.forName("UTF-8"));
      BufferedReader br = new BufferedReader(isr);

当再次阅读并在java中显示时，这是正确的。

对于libreoffice或firefox(编码设置为unicode)，它显示“乱七八糟”的字符。

样本文本：

C'est vrai   (Java) The french "That's true" is shown correct

Cest vrai  (firefox -set to unicode) the "'" becomes a square with "0092" inside

编辑：

CÂ’est vrai (firefox -set to middle european (windows) encoding)

EDIT2：

writer.println("Cest vrai");
writer.flush();

https://imgur.com/a/CLL3eVK

编辑3:好的，我现在用

writer.println("C"+"\u0092"+" est vrai");
writer.flush();

这将导致(firefox设置为unicode)：https://imgur.com/qGRr9sC

在libreoffice导入中，它看起来甚至有点不同(正方形为空)：https://imgur.com/MNQNDWo

java

utf-8

回答 1

Stack Overflow用户

回答已采纳

发布于 2018-12-17 10:03:01

你掉进了一个不那么明显的陷阱。U+0092不是有效的Unicode字符。Windows 1252接近Latin1，但添加了一些字符。例如，正确的单引号(’)是U+2019，但在Windows1252字符集中映射到'\x92'，在真正的Latin1中根本不可用。

如果您想要用Java正确地编写它，您应该使用"C\u2019est vrai"。

这意味着编码操作是正确的，但是unicode字符是错误的。火狐将0092作为一个不存在的unicode字符显示在正方形中是正确的。

经过进一步的研究，我可以看出，代码介于0x80和0x9f之间的字符是危险的。在Windows 1252字符集中，0x81、0x8d、0x8f、0x90和0x9d根本没有映射，其他所有字符都映射到256以上的Unicode字符。下面的列表给出了Windows 1252字符集中的代码、相应的unicode值、字符及其名称(感谢Python模块)

Different € 0x20ac 0x80 EURO SIGN
Not mapped 0x81
Different ‚ 0x201a 0x82 SINGLE LOW-9 QUOTATION MARK
Different ƒ 0x192 0x83 LATIN SMALL LETTER F WITH HOOK
Different „ 0x201e 0x84 DOUBLE LOW-9 QUOTATION MARK
Different … 0x2026 0x85 HORIZONTAL ELLIPSIS
Different † 0x2020 0x86 DAGGER
Different ‡ 0x2021 0x87 DOUBLE DAGGER
Different ˆ 0x2c6 0x88 MODIFIER LETTER CIRCUMFLEX ACCENT
Different ‰ 0x2030 0x89 PER MILLE SIGN
Different Š 0x160 0x8a LATIN CAPITAL LETTER S WITH CARON
Different ‹ 0x2039 0x8b SINGLE LEFT-POINTING ANGLE QUOTATION MARK
Different Œ 0x152 0x8c LATIN CAPITAL LIGATURE OE
Not mapped 0x8d
Different Ž 0x17d 0x8e LATIN CAPITAL LETTER Z WITH CARON
Not mapped 0x8f
Not mapped 0x90
Different ‘ 0x2018 0x91 LEFT SINGLE QUOTATION MARK
Different ’ 0x2019 0x92 RIGHT SINGLE QUOTATION MARK
Different “ 0x201c 0x93 LEFT DOUBLE QUOTATION MARK
Different ” 0x201d 0x94 RIGHT DOUBLE QUOTATION MARK
Different • 0x2022 0x95 BULLET
Different – 0x2013 0x96 EN DASH
Different — 0x2014 0x97 EM DASH
Different ˜ 0x2dc 0x98 SMALL TILDE
Different ™ 0x2122 0x99 TRADE MARK SIGN
Different š 0x161 0x9a LATIN SMALL LETTER S WITH CARON
Different › 0x203a 0x9b SINGLE RIGHT-POINTING ANGLE QUOTATION MARK
Different œ 0x153 0x9c LATIN SMALL LIGATURE OE
Not mapped 0x9d
Different ž 0x17e 0x9e LATIN SMALL LETTER Z WITH CARON
Different Ÿ 0x178 0x9f LATIN CAPITAL LETTER Y WITH DIAERESIS

票数 1

页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持

原文链接：

https://stackoverflow.com/questions/53811846

复制

相似问题

问java 8编写utf-8编码乱码
EN

回答 1

Stack Overflow用户

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐

问java 8编写utf-8编码乱码EN

回答 1

Stack Overflow用户

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐

问java 8编写utf-8编码乱码
EN