web-dev-qa-db-ja.com

JavaでUTF-8をISO-8859-1に変換-シングルバイトとして保持する方法

UTF-8のJavaでエンコードされた文字列をISO-8859-1に変換しようとしています。たとえば、文字列「âabcd」では、「â」はISO-8859-1でE2として表されます。 UTF-8では、2バイトとして表されます。 C3 A2信じています。 getbytes（encoding）を実行してから、ISO-8859-1エンコーディングのバイトで新しい文字列を作成すると、2つの異なる文字が取得されます。 â。キャラクターを同じに保つためにこれを行う他の方法、すなわちâabcdはありますか？

javautf-8iso-8859-1
57
luckylak

UTF-16以外の文字エンコーディングを扱う場合は、Java.lang.Stringまたはcharプリミティブを使用しないでください。byte[]配列またはByteBufferオブジェクトのみを使用する必要があります。次に、 Java.nio.charset.Charset を使用してエンコード間で変換できます。

Charset utf8charset = Charset.forName("UTF-8");
Charset iso88591charset = Charset.forName("ISO-8859-1");

ByteBuffer inputBuffer = ByteBuffer.wrap(new byte[]{(byte)0xC3, (byte)0xA2});

// decode UTF-8
CharBuffer data = utf8charset.decode(inputBuffer);

// encode ISO-8559-1
ByteBuffer outputBuffer = iso88591charset.encode(data);
byte[] outputData = outputBuffer.array();
99
Adam Rosenfield
byte[] iso88591Data = theString.getBytes("ISO-8859-1");

トリックを行います。あなたの説明から、まるで「ISO-8859-1文字列を保存」しようとしているようです。 Javaの文字列オブジェクトは、UTF-16で暗黙的にエンコードされるalwaysです。そのエンコーディングを変更する方法はありません。

できることは、「ただし、上記の.getBytes()メソッドを使用して）他のエンコーディングを構成するバイトを取得することです。

31
Joachim Sauer

UTF-8を使用して文字列をエンコードする一連のバイトで開始し、そのデータから文字列を作成し、別のエンコードで文字列をエンコードするいくつかのバイトを取得します。

    byte[] utf8bytes = { (byte)0xc3, (byte)0xa2, 0x61, 0x62, 0x63, 0x64 };
    Charset utf8charset = Charset.forName("UTF-8");
    Charset iso88591charset = Charset.forName("ISO-8859-1");

    String string = new String ( utf8bytes, utf8charset );

    System.out.println(string);

    // "When I do a getbytes(encoding) and "
    byte[] iso88591bytes = string.getBytes(iso88591charset);

    for ( byte b : iso88591bytes )
        System.out.printf("%02x ", b);

    System.out.println();

    // "then create a new string with the bytes in ISO-8859-1 encoding"
    String string2 = new String ( iso88591bytes, iso88591charset );

    // "I get a two different chars"
    System.out.println(string2);

これにより、文字列とiso88591バイトが正しく出力されます。

âabcd 
e2 61 62 63 64 
âabcd

したがって、バイト配列は正しいエンコーディングとペアになっていません。

    String failString = new String ( utf8bytes, iso88591charset );

    System.out.println(failString);

出力

âabcd

（それとも、単にutf8バイトをファイルに書き込んで、iso88591として他の場所で読み取ります）

7
Pete Kirkham

これは私が必要としたものです：

public static byte[] encode(byte[] arr, String fromCharsetName) {
    return encode(arr, Charset.forName(fromCharsetName), Charset.forName("UTF-8"));
}

public static byte[] encode(byte[] arr, String fromCharsetName, String targetCharsetName) {
    return encode(arr, Charset.forName(fromCharsetName), Charset.forName(targetCharsetName));
}

public static byte[] encode(byte[] arr, Charset sourceCharset, Charset targetCharset) {

    ByteBuffer inputBuffer = ByteBuffer.wrap( arr );

    CharBuffer data = sourceCharset.decode(inputBuffer);

    ByteBuffer outputBuffer = targetCharset.encode(data);
    byte[] outputData = outputBuffer.array();

    return outputData;
}
1
Kåre Jonsson

ファイルのエンコードについて...

public class FRomUtf8ToIso {
        static File input = new File("C:/Users/admin/Desktop/pippo.txt");
        static File output = new File("C:/Users/admin/Desktop/ciccio.txt");


    public static void main(String[] args) throws IOException {

        BufferedReader br = null;

        FileWriter fileWriter = new FileWriter(output);
        try {

            String sCurrentLine;

            br = new BufferedReader(new FileReader( input ));

            int i= 0;
            while ((sCurrentLine = br.readLine()) != null) {
                byte[] isoB =  encode( sCurrentLine.getBytes() );
                fileWriter.write(new String(isoB, Charset.forName("ISO-8859-15") ) );
                fileWriter.write("\n");
                System.out.println( i++ );
            }

        } catch (IOException e) {
            e.printStackTrace();
        } finally {
            try {
                fileWriter.flush();
                fileWriter.close();
                if (br != null)br.close();
            } catch (IOException ex) {
                ex.printStackTrace();
            }
        }

    }


    static byte[] encode(byte[] arr){
        Charset utf8charset = Charset.forName("UTF-8");
        Charset iso88591charset = Charset.forName("ISO-8859-15");

        ByteBuffer inputBuffer = ByteBuffer.wrap( arr );

        // decode UTF-8
        CharBuffer data = utf8charset.decode(inputBuffer);

        // encode ISO-8559-1
        ByteBuffer outputBuffer = iso88591charset.encode(data);
        byte[] outputData = outputBuffer.array();

        return outputData;
    }

}
0
Frizz1977

文字列に正しいエンコードがある場合、別のエンコード用のバイトを取得するためにこれ以上行う必要はありません。

public static void main(String[] args) throws Exception {
    printBytes("â");
    System.out.println(
            new String(new byte[] { (byte) 0xE2 }, "ISO-8859-1"));
    System.out.println(
            new String(new byte[] { (byte) 0xC3, (byte) 0xA2 }, "UTF-8"));
}

private static void printBytes(String str) {
    System.out.println("Bytes in " + str + " with ISO-8859-1");
    for (byte b : str.getBytes(StandardCharsets.ISO_8859_1)) {
        System.out.printf("%3X", b);
    }
    System.out.println();
    System.out.println("Bytes in " + str + " with UTF-8");
    for (byte b : str.getBytes(StandardCharsets.UTF_8)) {
        System.out.printf("%3X", b);
    }
    System.out.println();
}

出力：

Bytes in â with ISO-8859-1
 E2
Bytes in â with UTF-8
 C3 A2
â
â
0
Paul Vargas

Adam Rosenfieldの答えに加えて、ByteBuffer.array()がバッファの基礎となるバイト配列を返すことを付け加えたいと思います。 this answer;に記載されているような追加の操作が必要になります。特に：

byte[] b = new byte[bb.remaining()]
bb.get(b);
0
Chadi