java - Java中将非英文字符串转换为普通字符串

Question

我需要根据某些基线验证某些文本。

例如:

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

我知道字符串 b 包含 HTML 文字，所以我使用 Apache StringEscapeUtils 它给了我

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

输出:- La Panthère

但是我不知道字符串 a 中存储了什么。从某处我知道这可能是上升文字，因此尝试了下面的代码

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

注意:我尝试了所有形式的标准化器，但没有任何效果。

有人可以帮我如何以与 b 相同的方式创建字符串 a 吗？

Answer 1

如Jesper提到，Í 模式通常表示编码错误。

到那时，你就已经不走运了。

不建议采取诸如更换Ö之类的补救措施，也不安全。

转义或规范化 String 超出了范围，因为您的问题在于源头，与 HTML 转换或重音规范化无关。

但是，有一些简单的习惯用法可以将String转换为不同的编码。

下面的例子:

• 模拟 Windows-1252 String(在 UTF-8 环境中)。
• 然后，它按原样打印它(已损坏，因为它是 UTF-8 打印流中的 Windows-1252 String)。

• 最后，它会打印重新转换为 UTF-8 的内容。

  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")
      )
  );
  

输出

La Panthère
La Panthère

注释

上述转换惯用法意味着您事先知道原始String是如何编码的。

当使用以下编码相互解释文本时，会发生典型的编码问题:

• ISO 拉丁语 1
• Windows-1252
• UTF-8

Here是 Java 支持的编码及其规范名称的列表。

在 Web 环境中，您通常会调用 Javascript 的 encodeURIComponent函数在将值发送到后端之前在前端对其值进行编码。