变音字符：如何在 Java 中将“à<0x9c>”转换为“Ü”？

Question

我有一个包含“à<0x9c>”的字符串。这不完全是那些角色，我能描述它的最好方式是：

• 在 Postgres DB / Datagrip Viewer 中看起来像“à”。
• 从 Datagrip 复制到 Sublime Text 中时看起来像“à<0x9c>”。

我有另一个程序可以进行字符串匹配，并且它需要这个“Ü”。 所以我假设“à<0x9c>”在某种形式上相当于“Ü”。

我的问题是如何在 Java 中将这些通用字符集的“à<0x9c>”转换为“Ü”？我不想只为这个角色解决这个问题。

因此，如果“à<0x9c>”是编码1，“Ü”是编码2。如何从编码 1 转换为编码 2。

另外，encoding1 和encoding2 应该叫什么？ 我的谷歌搜索显示encoding2被称为元音变音字符，但我不知道encoding1被称为什么。

Answer 1

byte[] b = new byte[] {(char)'Ã', (byte)0x9c};
String capitalUUmlaut = new String(b, StandardCharsets.UTF8);

您看到的是Unicode的多字节UTF-8编码。 ASCII，7 位，是一个子集。其他 Unicode 代码点都超过一个字节，每个字节的最高位为 1。

请注意，我使用字节数组。对于损坏的字符串，可能已经进行了一些字符集转换，这会错误地转换字节。即使在这里，

Ã

也可能无法在每个字符集中实现。

最好检查数据库中 DDL 所使用的编码（字符集）并指定它。