java - Oracle Java 程序新开发的编码问题

Question

我的 Java 程序(或更确切地说，它的一部分)向网络服务发送请求并接收 rdf 字符串，其中包括 unicode 中的古希腊单词。我在 netbeans 中编写程序，到目前为止，在 netbeans 环境和外部作为 Linux 和 Windows XP 下的独立 jar 运行时都没有问题。现在，突然间，rdf 中的希腊语单词像这样乱码了:

á¼€

起初，我以为这是Windows XP 的问题，但在Windows 7 下检查时问题依然存在。我发现我在 Linux 下运行 OpenJDK，并且能够使用 Oracle Java 重现该问题。这是相关代码(当然，我可能眼界比较狭隘，如果需要更多请告诉我):

try {
        HttpClient client = new DefaultHttpClient();
        HttpGet get;
        get = new HttpGet(URL+URLEncoder.encode(form, "UTF-8"));

        HttpResponse response = client.execute(get);
        if (201 == response.getStatusLine().getStatusCode()) {
            HttpEntity respEnt = response.getEntity();
            BufferedReader reader = new BufferedReader(new InputStreamReader(respEnt.getContent()));
            StringBuilder sb = new StringBuilder();
            char[] cbuffer = new char[256];
            int read;

            while ((read = reader.read(cbuffer)) != -1) {
                sb.append(cbuffer,0,read);
            }
            //System.out.println(sb.toString());
            rdf = new String(sb.toString().getBytes("UTF-8"),"UTF-8");

        } else {
            System.err.println("HTTP Request fehlgeschlagen.");
        }         

    } catch (IOException e) {
        System.err.println("Problem beim HTTP Request.");
    }

网络服务是 Perseus 形态学服务，可以在这里找到: http://services.perseids.org/bsp/morphologyservice/analysis/word?lang=grc&engine=morpheusgrc&word= .例如，尝试“word=μῆνιν”。 rdf 是如何或何时生成的，我真的不知道。

我将非常感谢您提供进一步的见解!

Answer 1

确保字符串的编码在客户端和服务器之间保持一致。在您的情况下，服务器响应(rdf-strings)当然是最重要的(编码服务端，在您的客户端代码中解码)。

关于您发布的客户端代码的一件事:您在此行中使用 InputStreamReader 的单参数构造函数:

BufferedReader reader = new BufferedReader(new InputStreamReader(respEnt.getContent()));

它将使用 VM(和系统)默认字符集从输入流中读取，因此结果将取决于您运行客户端应用程序的机器/VM。尝试使用此构造函数显式设置字符集

new InputStreamReader(url.openStream(), "UTF-8")

另见 API-doc .

在您的代码中搜索 InputStreamReader 和 OutputStreamWriter 的单参数构造函数的更多用途，它们也使用默认编码。

如果您无法控制服务器代码(网络服务实现)，您可以尝试像这样找出答案字符集:

Header contentType = response.getFirstHeader("Content-Type");
String charset= contentType.getValue();

(这来自您似乎正在使用的 apache HttpClient API)。另见 this Q on SO .