Java:关于字符集转换的建议

Question

我一直在研究一个执行以下操作的场景:

1. 获取Unicode格式的输入数据； [UTF-8]
2. 转换为 ISO-8559；
3. 检测并替换不支持的编码字符； [基于用户定义的键值对]

我的问题是，我一直在尝试深入查找有关 ISO-8559 的信息，但还没有成功。有没有人对这件事了解更多？这与 ISO-8859 有什么不同？任何细节都会很有帮助。

其次，将 ISO-8559 要求放在一边，我继续编写程序，用 Java 将传入数据转换为 ISO-8859。虽然我能够使用基于字符的替换来实现所需的目的，但当数据量很大时，它显然似乎很耗时。 [以 MB 为单位]

我确信一定有更好的方法来做到这一点。有人可以给我建议吗？

Answer 1

我假设您想要将 UTF-8 转换为 ISO-8859 -1，即 Western Latin-1。网上有很多字符集表。

1. 一般来说，对于网络浏览器和 Windows，最好转换为 Windows-1252，这是一个重新定义范围 0x80 - 0xBF 的扩展，下面带有特殊引号，如下所示微软Word。即使在 Mac 上，浏览器事实上也能够解释 ISO-559-1 中的这些代码。

2. 像 new OutputStreamWriter(new FileOutputStream("..."), "Windows-1252") 这样的 Java 标准转换已经做了很多事情。您可以编写一种过滤器，或者查找引入的 ? 未翻译的特殊字符。您可以将 Windows-1252 中没有的带重音的拉丁字母翻译为 ASCII 字母:

       String s = ...
       s = Normalizer.normalize(s, Normalizer.Form.NFD);
       return s = s.replaceAll("\\p{InCombiningDiacriticalMarks}", "");
   

3. 对于印地语或西里尔语等其他文字，要搜索的关键字是音译。