java将字符串windows-1251转换为utf8

Question

Scanner sc = new Scanner(System.in);
    System.out.println("Enter text: ");
    String text = sc.nextLine();
    try {
        String result = new String(text.getBytes("windows-1251"), Charset.forName("UTF-8"));
        System.out.println(result);
    } catch (UnsupportedEncodingException e) {
        System.out.println(e);
    }

我正在尝试更改键盘:输入西里尔文键盘，输出拉丁文。示例:qwerty +> йцукен

它不起作用，谁能告诉我我做错了什么？

Answer 1

首先java文本，String/char/Reader/Writer内部是Unicode的，所以可以结合所有的脚本。这是与例如没有此类标准的 C/C++ 的主要区别。

由于历史原因，现在 System.in 是一个 InputStream。这需要使用编码的指示。

Scanner sc = new Scanner(System.in, "Windows-1251");

上面明确设置了 System.in 到 Cyrillic 的转换。如果没有此可选参数，则采用默认编码。如果软件没有改变，那就是平台编码。所以这可能也是正确的。

现在 text 是正确的，包含来自 System.in 的西里尔字母作为 Unicode。

您将获得 UTF-8 字节:

byte[] bytes = text.getBytes(StandardCharsets.UTF_8);

旧的文本“重新编码”是错误的；放下这条线。事实上，并非所有 Windows-1251 字节都是有效的 UTF-8 多字节序列。

String result = text;

System.out.println(result);

System.out 是一个 PrintStream，一个很少使用的历史类。它使用默认平台编码进行打印。或多或少依赖它，默认编码是正确的。

System.out.println(result);

对于打印到 UTF-8 编码的文件:

byte[] bytes = ("\uFEFF" + text).getBytes(StandardCharsets.UTF_8);
Path path = Paths.get("C:/Temp/test.txt");
Files.writeAllBytes(path, bytes);

这里我在前面加了一个Unicode BOM字符，所以Windows记事本可能会识别编码为UTF-8。一般来说，应该避免使用 BOM。它是一个零宽度空间(=不可见)并且对所有类型的格式造成严重破坏:CSV、XML、文件连接、剪切-复制-粘贴。