从代码页1252的FileItem读取内容，包括欧元符号

Question

我的问题的背景如下：

在客户机/服务器架构(包括web服务通信)中，我在服务器端从客户端获得一个CSV文件。API给了我一个org.apache.commons.fileupload.FileItem

这些文件的允许代码页是代码页850和代码页1252。

一切正常运转，唯一的问题是欧元符号(欧元)。在代码页1252的情况下，我的代码无法正确处理欧元符号。当我将它打印到Eclipse中的控制台时，我看到的不是它，而是带有unicode U+00A4: U+00A4的标志。

目前，我使用以下代码。它分散在一些课程中。我已经提取了与之相关的线条。

byte[] inputData = call.getImportDatei().get();

// the following method works correctly
// it returns Charset.forName("CP850") or Charset.forName("CP1252")
final Charset charset = retrieveCharset(inputData);

char[] stringContents;
final StringBuffer sb = new StringBuffer();

final String s = new String(inputData, charset.name());

// here I see the problem with the euro sign already
// the following code shouldn't be the problem

// here some special characters are converted, but this doesn't affect the problem, so I removed those lines
stringContents = s.toCharArray();
for(final char c : stringContents){
  sb.append(c);
}
final Reader stringReader = new StringReader(sb.toString());


// org.supercsv.io.CsvListReader
CsvListReader reader = new CsvListReader(stringReader, CsvPreference.EXCEL_NORTH_EUROPE_PREFERENCE);
// now this reader is used to read the CSV content...

我试过不同的东西：

FileItem.getInputStream()

我使用FileItem.getInputStream()来获得byte[]，但是结果是一样的。

FileItem.getString()

当我使用FileItem.getString()时，它与代码页1252完美地工作:欧元符号被正确读取。当我将它打印到Eclipse中的控制台时，我会看到它。但是，对于代码页850，许多特殊字符是错误的。

FileItem.getString(字符串编码)

所以我的想法是使用FileItem.getString(字符串编码)。但是，我试图告诉他使用代码页1252的所有String都没有出现异常，而是产生了错误的结果。

例如，getString(Charset.forName("CP1252").name())导致问号而不是欧元符号。

当我使用org.apache.commons.fileupload.FileItem时，如何指定编码？

还是这条路不对？

谢谢你提前帮忙！

Answer 1

当我将它打印到Eclipse中的控制台时，我会看到它。但是对于代码页850，可能特殊字符是错误的。

您正被误导，因为您过于关注Eclipse控制台提供的结果。底层数据是正确的，但是Eclipse错误地提供了它。在Windows上，默认情况下配置为使用cp1252来表示System.out.println()打印的字符。这样，原来用不同字符集解码的字符显然不能正确显示。

最好将Eclipse控制台重新配置为使用UTF-8来表示这些字符。UTF-8涵盖了世界所知的每一个字符。您可以通过将Window > Preferences > General > Workspace >设置为UTF-8来实现。

然后，考虑到您显然使用的是来自FileItem的Apache共用FileUpload，您可以以一种简单得多的方式以正确编码的Reader获得FileItem内容，如下所示：

byte[] content = fileItem.get();
Charset charset = retrieveCharset(content); // No idea what you're doing there, but kudos that it's returning the right charset.
Reader reader = new InputStreamReader(new ByteArrayInputStream(content), charset);
// ...

请注意，当您打算在以后将此CSV写入System.out.println()以外的基于字符的输出流(如FileWriter )时，请不要忘记将字符集显式指定为UTF-8！你可以在OutputStreamWriter上这样做。否则，仍将使用平台默认编码，即Windows中的cp1252。

另请参阅：

• Unicode -如何得到正确的字符？