java - 为什么默认弃用的 java.net.URLEncoder.encode 有效，但在我指定字符集时却无效？

Question

我正在解析维基百科上的一些图片链接。我在 http://en.wikipedia.org/wiki/Special:Export/Diego_Forl%C3%A1n 上看到了这个

当我使用已弃用的 URLEncoder.encode 时，我可以正确编码重音字符，但是当我指定“UTF-8”参数时，它会失败。维基百科上的文本是 utf8 AFAIK。

Diego+Forl%C3%A1n+vs+the+Netherlands.jpg 是正确的，而 Diego+Forl%E2%88%9A%C2%B0n+vs+the+Netherlands.jpg 是错误的。

scala> first
res24: String = Diego Forlán vs the Netherlands.jpg

scala> java.net.URLEncoder.encode(first, "UTF-8")
res25: java.lang.String = Diego+Forl%E2%88%9A%C2%B0n+vs+the+Netherlands.jpg

scala> java.net.URLEncoder.encode(first)
<console>:33: warning: method encode in object URLEncoder is deprecated: see corresponding Javadoc for more information.
              java.net.URLEncoder.encode(first)
                                  ^
res26: java.lang.String = Diego+Forl%C3%A1n+vs+the+Netherlands.jpg

Answer 1

我猜 first 已经损坏，并且只是由于控制台配置隐藏的转码错误才正确呈现。

您可以通过在字符串中发出 UTF-16 代码单元来确认这一点:

for(c<-first.toCharArray()){print("\\u%04x".format(c.toInt))}

可能有更优雅的写法。

如果代码点编码正确，它将是:

U+00e1      á       \u00e1

我希望某处使用 MacRoman 解码器对 UTF-8 编码数据进行解码。

codepoint   glyph   escaped    x-MacRoman     info
=======================================================================
U+221a      √       \u221a     c3,            MATHEMATICAL_OPERATORS, MATH_SYMBOL
U+00b0      °       \u00b0     a1,            LATIN_1_SUPPLEMENT, OTHER_SYMBOL