java - 向api提交数据时的GSM扩展字符编码问题

Question

通过curl 向我的API 提交URL 时遇到一些问题。我用来测试的 url 参数是 &body=+%bb%3d+ ，它位于 gms 的特殊字符集中，id 假设为“~”。

当我打印出值时，我得到“�=”

现在我知道它不在 utf-8 字符集中，这就是 unicode 替换字符被替换的原因。

必须有一种方法可以将数据传输到我的服务器而不进行替换。我使用jetty和jersey运行一个java项目。

---编辑---

好的，我已经尝试过

    @GET
    @Produces(MediaType.TEXT_PLAIN)
    public String submit(@QueryParam("from") String from, @QueryParam("to") String to, @QueryParam("body") String body) {
        byte[] raw = body.getBytes(StandardCharsets.US_ASCII);
        body = new String(raw, StandardCharsets.UTF_8);
        System.out.println("data - " + body);

哪个打印出数据 - ?=将字符集从 US_ASCII 更改为 ISO_8859_1 打印出数据 - ?=

Answer 1

根据 HTTP 规范推荐的字符编码是 UTF-8 ，这就是为什么你会得到这个结果。您的代码可能依赖于 RFC2616 的一个鲜为人知的行为，即在没有编码的情况下假设 ISO-8859-1 ，这种做法后来在 RFC7231 中被放弃，取而代之的是 UTF-8除非另有声明，否则到处都是。

如果您在解析参数时需要不同的编码，请在将其从请求对象中拉出时进行设置，或使用等效的 UTF8。

例如:

/* will decode all parameters, header values, and content as ISO-8859-1 */
request.setCharacterEncoding(StandardCharsets.ISO_8859_1.name());
String actual = request.getParameter("body");
System.out.println("\"" + actual + "\"");

/* output on console of : " »= " */
/* that's a RIGHT-POINTING DOUBLE ANGLE QUOTATION MARK followed by an EQUALS */

如果您想使用UTF8等价于 use %C2%BB%3D

选项#2，事后解码原始参数。

String raw = request.getParameter("body");
byte[] bytes = raw.getBytes(StandardCharsets.ISO_8859_1);  // decode
String actual = new String(bytes, StandardCharsets.UTF_8);

更新 #1:2013 年 10 月 3 日

设置US-ASCII时您看到的结果是正确的。

值 %bb超出了 US-ASCII 的 7 位限制，因此它显示在替换字符中。

Java 示例:

    // as us-ascii
    String decoded = URLDecoder.decode("+%bb%3d+",StandardCharsets.US_ASCII.name());
    System.out.printf("Decoded: '%s'%n",decoded); 

更新 #1:2013 年 10 月 3 日

至于 GSM 字符集，我找不到对任何 GSM 字符集的内置 Java 支持，您需要深入了解字符集、编码等，然后，当您非常熟悉时它，您可以查看适用于 java 的第 3 方库，它们将采用 UTF-8 或 ISO-8859-1 并将它们转换为 50 个已发布的 GSM 字符集之一。

示例(仅 1 个 GSM 字符集指定):

http://embeddedfreak.wordpress.com/2008/10/08/java-gsm-0338-sms-character-set-translator/

或者你可以找到你想要的UTF-8字符，将其弹出到online UTF-8 Tool中(作为一个字符)，并将其回溯到您随后使用的十六进制代码点。