java - Base64 中的日语字符编码

Question

我被要求修复我们的电子邮件处理软件中的一个错误。当主题编码为 RFC 2047 的消息时像这样:

=?ISO-2022-JP?B?GyRCR1s/LiVGJTklSC1qRnxLXDhsGyhC?=

已收到，但解码不正确 - 一个日文字符未正确呈现。它被渲染成这样:配信テスト？日本语当它应该是配信テスト㈱日本语时(我不懂日语)- 很明显，其中一个字符，即括号中的字符，尚未呈现。

通过javax.mail.internet.MimeUtility.decodeText()进行解码

如果我尝试使用在线解码器(我发现的唯一解码器是 here )，它似乎工作正常，所以我怀疑 MimeUtility 中存在错误。

所以我以这个小程序的形式尝试了一些实验:

public class Encoding {

  private static final Charset CHARSET = Charset.forName("ISO-2022-JP");

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

        String control = "繋がって";
        String subject= "配信テスト㈱日本語";            

        String controlBase64 = japaneseToBase64(control);
        System.out.println(controlBase64);
        System.out.println(base64ToJapanese(controlBase64));

        String subjectBase64 = japaneseToBase64(subject);
        System.out.println(subjectBase64);
        System.out.println(base64ToJapanese(subjectBase64));

  }

  private static String japaneseToBase64(String in) {
        return Base64.encodeBase64String(in.getBytes(CHARSET));
  }

  private static String base64ToJapanese(String in) {
        return new String(Base64.decodeBase64(in), CHARSET);
  }

}

(Base64 和 Hex 类在 org.apache.commons.codec 中)

当我运行它时，输出如下:

GyRCN1IkLCRDJEYbKEI=
繋がって
GyRCR1s/LiVGJTklSCEpRnxLXDhsGyhC
配信テスト？日本語

第一个较短的日文字符串是一个控件，它返回与输入相同的内容，已使用 Charset ISO-2022-JP 转换为 Base64 并再次转换回来。那里一切都好。

第二个日语字符串是带有狡猾字符的字符串。如您所见，它返回一个 ?而不是角色。 Base64 编码输出也与原始主题编码不同。

对不起，如果这很长，我想说的很透彻。这是怎么回事，我该如何正确解码这个字符？

Answer 1

错误不在您的软件中，而是主题字符串本身的编码不正确。其他软件可能能够通过对内容进行进一步假设来解码文本，就像通常假设 0x80-0x9f 范围内的字符是 Cp1252 编码一样，尽管指定了 ISO-8859-1 或 ISO-8859-15 .

ISO-2022-JP 是一种多字符集编码，使用转义序列在实际使用的字符集之间切换。您的编码字符串以 ESC $ B 开头，表示使用了 JIS X 0208-1983 字符集。违规字符编码为 0x2d6a。该代码点未在引用的字符集中定义，但后来添加到 JIS X 0213:2000，这是 JIS X 字符集规范的更新版本。