java - 有没有办法修复错误的编码字符串？

Question

我通过消息代理 (Stomp) 获取此字符串:

João

这就是应该的样子:

João

有没有办法在 Java 中恢复它？! 谢谢!

Answer 1

U+00C3  Ã   c3 83   LATIN CAPITAL LETTER A WITH TILDE
U+00C2  Â   c3 82   LATIN CAPITAL LETTER A WITH CIRCUMFLEX
U+00A3  £   c2 a3   POUND SIGN
U+00E3  ã   c3 a3   LATIN SMALL LETTER A WITH TILDE

我无法确定这怎么可能是数据(编码)转换问题。有没有可能数据只是坏的？

如果数据不错，那么我们必须假设您误解了编码。我们不知道原始编码，除非您做一些不同的事情，否则 Java 的默认编码是 UTF-16。我不明白如何将以任何常见编码编码的 João 解释为 UTF-16 中的 Joã£o

可以肯定的是，我编写了这个 python 脚本，但没有找到匹配项。我不是完全确定它涵盖了所有编码，或者我没有遗漏一个极端情况，FWIW。

#!/usr/bin/env python                                                                                                                   
# -- coding: utf-8 --                                                                                                                   
import pkgutil
import encodings

good = u'João'
bad = u'João'

false_positives = set(["aliases"])

found = set(name for imp, name, ispkg in pkgutil.iter_modules(encodings.__path__) if not ispkg)
found.difference_update(false_positives)
print found


for x in found:
    for y in found:
        res = None
        try:
            res =  good.encode(x).decode(y)
            print res,x,y
        except:
            pass
        if not res is None:
            if res == bad:
                print "FOUND"
                exit(1)