为什么我必须将utf-8参数String编码为iso-Latin，然后解码为utf-8才能获得Java utf-8 String？

Question

我有一个Java Servlet，它带有一个参数String（inputString），其中可能包含来自标记为utf-8的网页的希腊字母。 在将其发送到数据库之前，必须将其转换为新的String（utf8String），如下所示：

String utf8String = new String(inputString.getBytes("8859_1"), "UTF-8");

这行得通，但是，我希望做得到我不希望做的事，即使它行得通，我也希望得到赞赏。

从Java doc中的方法描述中，getBytes（）方法“使用命名的字符集将此字符串编码为字节序列，并将结果存储到新的字节数组中”，即我将其编码为8859_1-isoLatin。 并从构造函数说明“通过使用指定的字符集对指定的字节数组进行解码来构造新的String”，即将字节数组解码为utf-8。

有人可以向我解释为什么这是必要的吗？

Answer 1

我的问题基于对HTTP请求所用字符集的误解。 我以为，因为我标记了将请求发送为UTF-8的网页，所以请求将以UTF-8发送，因此发送给servlet的参数中的希腊字符将被读为UTF- 8字符串（我的代码行中的“ inputString”）通过HttpRequest.getParameter（）方法。 不是这种情况。

HTTP请求以ISO-8859-1（POST）或ASCII（GET）发送，通常相同。 这是URI语法规范的一部分-感谢Andreas向我指出了http://wiki.apache.org/tomcat/FAQ/CharacterEncoding ，在此处对此进行了说明。

我也忘记了请求的希腊字母（例如α） 的编码是URL-encoding ，它产生％CE％B1。 getParameter（）通过将其解码为两个ISO-8859-1字符％CE和％B1 —Î和±（我已对此进行检查）来​​处理。

我现在明白为什么需要将其转换为字节数组并将字节解释为UTF-8。 0xCE在UTF-8中不代表一个字节的字符，因此用下一个字节0xB1寻址，将其解释为α。 （在UTF-8中，Î是0xC3 0x8E，±是0xC2 0xB1。）

Answer 2

解码时，您是否无法使用将bytes []作为参数并将其作为字符串返回的解码器方法来创建类？ 这是我以前使用过的一个例子。

public class Decoder
{           
   public String decode(byte[] bytes) 
   { 
    //Turns the bytes array into a string
    String decodedString = new String(bytes);
    return decodedString;
   }
}

尝试使用它代替.getBytes（）。 希望这行得通。