- html - 出于某种原因,IE8 对我的 Sass 文件中继承的 html5 CSS 不友好?
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景?
我有一个创建 UTF-8 文件系统名称的 java 服务器应用程序。
不幸的是,当我查看文件名时,文件名的非 ascii 字符显示为“?”。如何让系统显示适当的 UTF-8 字符?
例如,我可以通过触摸从终端创建带有希腊字符的文件,并且所有 UTF-8 字符都正确显示。
系统规范
JAVA_OPTS=-Dsun.jnu.encoding=UTF-8
CATALINA_OPTS=-Dfile.encoding=UTF-8
locale
LANG=en_US.UTF-8
LC_CTYPE="en_US.UTF-8"
LC_NUMERIC="en_US.UTF-8"
LC_TIME="en_US.UTF-8"
LC_COLLATE="en_US.UTF-8"
LC_MONETARY="en_US.UTF-8"
LC_MESSAGES="en_US.UTF-8"
LC_PAPER="en_US.UTF-8"
LC_NAME="en_US.UTF-8"
LC_ADDRESS="en_US.UTF-8"
LC_TELEPHONE="en_US.UTF-8"
LC_MEASUREMENT="en_US.UTF-8"
LC_IDENTIFICATION="en_US.UTF-8"
LC_ALL=
System.setProperty("file.encoding", "UTF-8");
System.setProperty("encoding", "UTF-8");
System.setProperty("user.language", "en_US.UTF-8");
System.setProperty("user.country", "en_US.UTF-8");
System.setProperty("sun.jnu.encoding", "UTF8");
fullPathName = new String(fullPathName.getBytes("UTF-8"));
InputStream is = file.getInputStream();
input = new BufferedInputStream(is, STREAM_BUFFER_SIZE);
output = new BufferedOutputStream(new FileOutputStream(fullPathName),
STREAM_BUFFER_SIZE);
// Read file from memory and write it to disk.
int r;
byte[] buf = new byte[STREAM_BUFFER_SIZE];
while ((r = input.read(buf)) != -1) {
output.write(buf, 0, r);
}
output.close();
output = null;
input.close();
input = null;
最佳答案
我对 Java 中的 String 的理解是它包含一串 Unicode 代码点,内部存储为 UTF-16。然而,这应该是许多 String 方法的实现细节。因此 getBytes 将返回一个字节数组,其中包含 fullPathName 中任何代码点的 UTF-8 编码,然后将这些字节传递给的 String 构造函数将其转换为 String 的内部编码,假设字节具有平台的编码.如果我们假设您已经设置好让 Java 认为 UTF-8 是平台编码,那么您最终会得到一个与原始字符串具有完全相同内容的字符串。
所以问题是,你为什么要这么做?您是否做了类似将 UTF-8 代码单元放入字符串然后期望 getBytes("UTF-8") 返回包含这些代码单元的字节数组的操作?
当您将字符串 fullPathName 传递给 FileOutputStream 时,您应该检查它包含的内容,因为最有可能的事情是您正在做的事情导致传递了错误的内容。
另一种可能性是您的外壳实际上并未使用 UTF-8,因此当您使用希腊字符通过触摸创建文件时,您实际上只是使用了适合您的外壳设置方式的任何内容。因此,当 Java 使用 UTF-8 编码创建名称的文件时,您的 shell 会正确显示 UTF-8 文件名不是 shell 配置的任何编码。
您可以通过 hexdump 管道显示文件名中使用的实际字节,然后手动确定文件名是 UTF-8 还是其他。
哦,还有一件事。文件系统格式确实有影响,因此您可能需要列出它。尽管我假设您使用的是一些典型的不强制任何文件名编码的 linux 文件系统格式,但某些文件系统格式(如 NTFS 或 HFS+)以已知编码存储文件名,并且 API 必须处理它。例如(C 函数) fopen on 可能使用当前系统编码从给它的字节数组转码为 UTF-16,以便找出 UTF-16 代码单元以将文件存储在 NTFS 下。但是其他文件系统不强制执行任何编码,因此 fopen 只会获取您提供的字节数组并将其存储为文件名。这将导致行为差异实际上可能导致使用已知编码字符串的环境中的文件访问 API 出现问题。例如,如果您有一个将 UTF-16 字符串作为文件名的函数,并且您要打开的文件使用 ISO-8859-1 字节字符串命名,但系统的编码是 UTF-8,那么该文件访问 API 可能只是无法打开该文件。
这整件事真的搞砸了。
我正在添加一个示例。以下文件保存为 UTF-8 并命名为“HelloWorld.java”
import java.io.BufferedOutputStream;
import java.io.FileOutputStream;
import java.io.FileNotFoundException;
class HelloWorld {
public static void main(String[] args) {
String fullPathName = "ΘΙϗϕξ.tmp";
for(int i=0;i<fullPathName.length();++i) {
System.out.format("char: %x\n",
(int)fullPathName.charAt(i));
}
try {
BufferedOutputStream output =
new BufferedOutputStream(
new FileOutputStream(fullPathName));
} catch(FileNotFoundException e) {
System.out.println("caught exception");
}
}
}
javac HelloWorld.java && java HelloWorld
构建和运行输出是:
char: 152
char: f2
char: 152
char: f4
char: 153
char: f3
char: 153
char: ef
char: 152
char: e6
char: 2e
char: 74
char: 6d
char: 70
javac -encoding UTF-8 && java HelloWorld
构建和运行我得到以下正确的输出:
char: 398
char: 399
char: 3d7
char: 3d5
char: 3be
char: 2e
char: 74
char: 6d
char: 70
0 [Hydrogen·bames·~/tmp]
⑆ ls
HelloWorld.class
HelloWorld.java
ΘΙϗϕξ.tmp
0 [Hydrogen·bames·~/tmp]
⑆ ls *.tmp | hexdump -C
00000000 ce 98 ce 99 cf 97 cf 95 ce be 2e 74 6d 70 0a |...........tmp.|
0000000f
ce 98
是
U+0398
的正确 UTF-8 编码或“Θ”。
关于java - 如何从 Tomcat/Java 应用程序创建文件名带有 UTF-8 字符的系统文件?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/8440337/
UTF-8、UTF-16 和 UTF-32 之间有何区别? 据我所知,它们都将存储 Unicode,并且每个都使用不同数量的字节来表示字符。选择其中之一是否有优势? 最佳答案 当 ASCII 字符代表
好的。我知道这看起来像典型的“他为什么不直接用谷歌搜索或去 www.unicode.org 查一下?”问题,但对于这样一个简单的问题,在检查了两个来源后,我仍然无法回答。 我很确定这三种编码系统都支持
是否存在可以用 UTF-16 编码但不能用 UTF-8 编码的字符 最佳答案 没有。 UTF-* 是可以对全范围 Unicode 字符进行编码的编码。 编码之间的差异在于每个字符使用多少字节。 关于u
是否存在可以用 UTF-16 编码但不能用 UTF-8 编码的字符 最佳答案 没有。 UTF-* 是可以对全范围 Unicode 字符进行编码的编码。 编码之间的差异在于每个字符使用多少字节。 关于u
UTF-16 是一种双字节字符编码。交换两个字节的地址将产生 UTF-16BE 和 UTF-16LE。 但我发现在 Ubuntu gedit 文本编辑器中存在名称 UTF-16 编码,以及 UTF-1
我想将 UTF-16 字符串转换为 UTF-8。我通过 Unicode 发现了 ICU 库。我在转换时遇到问题,因为默认设置是 UTF-16。我试过使用转换器: UErrorCode myError
UTF-16 需要 2 个字节,UTF-8 需要 1 个字节。 而USB是面向8bit的,UTF-8更自然。 UTF-8 向后兼容 ASCII,而 UTF-16 则不然。 UTF-16 需要 2 个字
我对将 unicode 字符转换为十六进制值有点困惑。 我正在使用这个网站获取字符的十六进制值。 ( https://www.branah.com/unicode-converter ) 如果我输入“
我已经用UTF-8编码创建了一个文件,但是我不了解其在磁盘上占用的大小的规则。这是我的完整研究: 首先,我创建了一个带有印地语字母“'”的文件,Windows 7上的文件大小为 8个字节。 现在带有两
如何将WideString(或其他长字符串)转换为UTF-8中的字节数组? 最佳答案 这样的功能将满足您的需求: function UTF8Bytes(const s: UTF8String): TB
我有一个奇怪的验证程序,用于验证utf-8字符串是否是有效的主机名(PHP中的Zend Framework主机名valdiator)。它允许IDN(国际化域名)。它将比较每个子域与由其十六进制字节表示
在 utf16 和 utf32 中,一个字节的零是否意味着空?就像在 utf8 中一样,还是我们需要 2 个和 4 个字节的零来相应地在 utf16 和 utf32 中创建 null? 最佳答案 在
这是基于我的观察,对于 mysql,默认字符集 utf8 有点误导,它不支持完整的 Unicode,因为它无法存储四字节 UTF-8 编码的字符。它实际上是 utf8mb4 字符集,它是完整的 Uni
我只有处理 ASCII(单字节字符)的经验,并且阅读了很多关于人们如何以不同方式处理 Unicode 的帖子,这些帖子提出了他们自己的一系列问题。 此时我对 Unicode 的了解非常有限,我读到过U
我明白 std::codecvt在 C++11 中执行 UTF-16 和 UTF-8 之间的转换,并且 std::codecvt执行 UTF-32 和 UTF-8 之间的转换。是否可以在 UTF-8
我正在编写一个 HTTP 服务器并使用 trivial-utf-8:write-utf-8-bytes 来响应请求。我听说Babel就像trivial-utf-8但效率更高,所以我想试一试。搜索了一段
我正在设计一个新的 CMS,但想要设计它来满足我 future 的所有需求,比如多语言内容,所以我认为 Unicode (UTF-8) 是最好的解决方案 但是通过一些搜索我得到了这篇文章 http:/
例如,假设我在字符串中有以下 xml: 如果我尝试将其插入到带有 Xml 列的 SQL Server 2005 数据库表中,我将收到以下错误(我使用的是 EF 4.1,但我认为这无关紧要): XM
我正在使用 Python CSV 库读取两个 CSV 文件。 一种使用 UTF-8-BOM 编码,另一种使用 UTF-8 编码。在我的实践中,我发现使用“utf-8-sig”作为编码类型可以读取这两个
假设我的数据库设置如下以使用 utf-8(mysql 中的完整 4mb 版本) mysql_query("SET CHARACTER SET utf8mb4"); mysql_query("SET N
我是一名优秀的程序员,十分优秀!