取消转义和转换字符串编码 [英] Unescape and convert string encoding

问题描述

我必须用Java解析一个String到Date对象。
我得到的字符串跟随模式 MMM d yyyy HH：mm：ss z ，区域设置为法语。

由于法语口音的编码，日期在二月，八月或十二月期间出现问题。例如，我得到 d&＃195;&＃169; c。 15 2011年16:55:38 CET 2011年12月15日。

我无法更改字符串的创建方式，所以我必须处理我身边的错误编码。似乎当生成的字符串被严重编码（UTF-8内容编码为ISO 8859-1）然后escapde。

现在我使用：

  stringFromXML = stringFromXML.replaceAll（&＃195;&＃169;，é）; 
 stringFromXML = stringFromXML.replaceAll（&＃195;&＃187;，û）; 
  

它的作品是因为法语月份的唯一口音是é和û但是是否有一个更简洁的方法来解码和转换字符？

解决方案

您需要两个步骤：

1. 解决数字字符引用，例如使用 String / E code，如Andy所建议的：

     String unescaped = StringEscapeUtils.unescapeHtml（in）; 
     




2. 通过将字符视为UTF-8代码单元来修正编码：

     String out = new String（unescaped.getBytes（ISO-8859-1），UTF-8）; 
     




I have to parse a String to a Date object in Java. The string I get following the pattern MMM d yyyy HH:mm:ss z with locale set to French.

The problem occures when the date is in february, august or december due to encoding of french accents. For example, I get déc. 15 2011 16:55:38 CET for december 15th 2011.

I can't change the way the string is created so I have to deal with the bad encoding on my side. It seems that when generated the string is badly encoded (UTF-8 content encoded as ISO 8859-1) then escapde.

For now I use :

stringFromXML = stringFromXML.replaceAll("é", "é");
stringFromXML = stringFromXML.replaceAll("û", "û");

It works because the only accent in french month are é and û but is there a cleaner way to unescape and convert characters?

解决方案

You need two steps:

1. Resolve numeric character references, for example, using StringEscapeUtils as suggested by Andy:

   String unescaped = StringEscapeUtils.unescapeHtml(in);
   

2. Fix encoding by treating characters as UTF-8 code units:

   String out = new String(unescaped.getBytes("ISO-8859-1"), "UTF-8");
   

这篇关于取消转义和转换字符串编码的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！