在Java中將非英語字符串轉換為普通字符串

Question

我需要根據某些基准來驗證某些文本。

例如：

String a="La Panthère"; 
String b="La Panthère";

我知道字符串b包含HTML文字，因此我正在使用Apache StringEscapeUtils ，它給了我

String b="La Panthère";
b=StringEscapeUtils.unescapeHtml(b);

輸出：-LaPanthère

但是我不知道字符串a中存儲了什么。 從SO的某個地方，我知道這可能是上升文字，因此在下面的代碼中進行了嘗試

a=Normalizer.normalize(a, Normalizer.Form.NFKD);

注意：我嘗試了所有形式的Normalizer，但沒有任何效果。

有人可以幫我如何使String a與b相同的方式嗎？

Answer 1

正如Jesper所提到的， è模式通常表示編碼錯誤。

那時，您已經不走運了。

建議不要采取補救措施，例如更換è ，也不安全。

對String轉義或標准化超出了范圍，因為問題出在源頭，與HTML轉換或口音規范化無關。

但是，有一些簡單的習慣用法可以將String轉換為不同的編碼。

下面的例子：

• 模擬Windows-1252 String （在UTF-8環境中）。
• 然后，它按原樣打印（損壞，因為它是UTF-8打印流中的Windows-1252 String ）。

• 最后，將其打印出來並重新轉換為UTF-8。

   String a = new String( "La Panthère".getBytes(Charset.forName("UTF-8")), Charset.forName("Cp1252") ); System.out.println(a); System.out.println( new String( a.getBytes(Charset.forName("Cp1252")), Charset.forName("UTF-8") ) ); 

產量

La Panthère
La Panthère

筆記

上面描述的轉換習慣用法意味着您知道如何預先對原始String進行編碼。

當以下編碼用於相互解釋文本時，就會發生典型的編碼問題：

• ISO拉丁語1
• Windows的1252
• UTF-8

這里是Java支持的編碼及其規范名稱的列表。

在網絡環境中，通常需要先調用Javascript的encodeURIComponent函數在前端將值編碼，然后再將其發送到后端。