java - 将字符串从 UTF-8 转换为 ANSI 并将其显示为 UTF-8

Question

我想用 Java 模仿我可以用 Notepad++ 做的一件事。

TEXT_2 = convert(TEXT_1) // where: TEXT_2 = "Български", TEXT_1 = "БългарÑки"

How to do it with Notepad++

设置起点...

打开 Notepad++ 并单击:编码/以 UTF-8 编码，然后粘贴 TEXT_1:

БългарÑки

获取 TEXT_2

单击:编码/转换为 ANSI，然后单击:编码/编码为 UTF-8。完成。

How to do it with Java

到目前为止，我有以下功能(部分有效):

public static String convert(String text) {
    String output = new String(Charset.forName("Cp1252").encode(text).array(), Charset.forName("UTF8"));
    return output;
}
System.out.println(convert("БългарÑки"));

通过这个函数我得到:

Българ�?ки // where correct is slightly different: Български

有什么办法让它发挥作用吗？

如果可能的话，您能否提供在函数 convert() 中运行的代码？谢谢。

Answer 1

“БългарÑ_кД中存在信息丢失； “_”处应该有另一个字符，但 Cp1252 没有将任何字符映射到字节值 0x81。该字节来自将“с”编码为字节序列 0xD1 0x81。

当您直接从源复制损坏的文本时，可能会在剪贴板数据中包含不可打印的控制代码(C1 代码“HOP”，高八位组预设)，而 Notepad++ 会获取完整信息。但是，当复制到其他上下文(例如 Java IDE 和此论坛)时，此控制字符可能会丢失。

原始数据需要解码为UTF-8，而不是错误地转换为CP-1252下的文本，剥离控件，然后再次解码为UTF-8。复制粘贴时，从哪里复制？为什么不使用 UTF-8 而不是 CP-1252 读取该文件？