如何使用 Java 将 *abracadabra* 转换回字符串，就像 JavaScript decodeURIComponent(escape(x)) 一样？

问题描述

我有一个字符串（每字节的十六进制表示）：

\xC3\x90\xC2\x9E\xC3\x91\xC2\x88\xC3\x90\xC2\xB8\xC3\x90\xC2\xB1\xC3\x90\xC2\xBA\xC3\x90\xC2\xB0\x20\xC3\x90\xC2\xB2\xC3\x90\xC2\xB0\xC3\x90\xC2\xBB\xC3\x90\xC2\xB8\xC3\x90\xC2\xB4\xC3\x90\xC2\xB0\xC3\x91\xC2\x86\xC3\x90\xC2\xB8\xC3\x90\xC2\xB8\x20\xC3\x90\xC2\xB0\xC3\x91\xC2\x82\xC3\x91\xC2\x80\xC3\x90\xC2\xB8\xC3\x90\xC2\xB1\xC3\x91\xC2\x83\xC3\x91\xC2\x82\xC3\x90\xC2\xBE\xC3\x90\xC2\xB2\x20\xC3\x90\xC2\xB4\xC3\x90\xC2\xBE\xC3\x90\xC2\xBA\xC3\x91\xC2\x83\xC3\x90\xC2\xBC\xC3\x90\xC2\xB5\xC3\x90\xC2\xBD\xC3\x91\xC2\x82\xC3\x90\xC2\xB0 [1]

看起来就像这样：

您可以使用 http://0xcc.net/jsescape/ 来查看它。只需将十六进制序列粘贴到 \xXX 字段中，该字符串就会显示在 Plain text 字段中。

这个字符串[2]应该在（未知且明显错误）编码后恢复。

如果（在同一个网站 http://0xcc.net/jsescape/ 上）您将从 Plain text 复制 abracadabra [2] 并将其粘贴到 Quoted-printable，您将看到Plain text 字段中的解码：

Ошибка валидации атрибутов документа [3]

同样可以通过 decodeURIComponent(escape(x)) 使用 JavaScript 完成，其中 x 包含 abracadabra 字符串 [2]。

所以我的问题是：如何使用 Java 从 abracadabra [2] 中恢复原始字符串 [3]？

谢谢

解决方法

字符串包含字符，其中一个字符是一个两字节的 UTF-16 值。字节、二进制数据、保存文本必须与编码相关联，因为字符串保存 Unicode。 Java 在 byte 和 char 之间引入了这种明确的区别。

使用正则表达式替换可以手动转换为：

    byte[] arr = {(byte) 0xC3,(byte) 0x90,(byte) 0xC2,(byte) 0x9E,(byte) 0xC3,(byte) 0x91,(byte) 0x88,(byte) 0xB8,(byte) 0xB1,(byte) 0xBA,(byte) 0xB0,(byte) 0x20,(byte) 0xB2,(byte) 0xBB,(byte) 0xB4,(byte) 0x86,(byte) 0x82,(byte) 0x80,(byte) 0x83,(byte) 0xBE,(byte) 0xBC,(byte) 0xB5,(byte) 0xBD,(byte) 0xB0};
    String s = new String(arr,StandardCharsets.UTF_8);

翻译带有反斜杠、x 和两个十六进制数字的 ASCII 文本必须如下：

    String t = "\\xC3\\x90\\xC2\\x9E\\xC3\\x91\\xC2\\x88\\xC3\\x90\\xC2\\xB8\\xC3\\x90\\xC2\\xB1\\xC3\\x90\\xC2\\xBA\\xC3\\x90\\xC2\\xB0\\x20\\xC3\\x90\\xC2\\xB2\\xC3\\x90\\xC2\\xB0\\xC3\\x90\\xC2\\xBB\\xC3\\x90\\xC2\\xB8\\xC3\\x90\\xC2\\xB4\\xC3\\x90\\xC2\\xB0\\xC3\\x91\\xC2\\x86\\xC3\\x90\\xC2\\xB8\\xC3\\x90\\xC2\\xB8\\x20\\xC3\\x90\\xC2\\xB0\\xC3\\x91\\xC2\\x82\\xC3\\x91\\xC2\\x80\\xC3\\x90\\xC2\\xB8\\xC3\\x90\\xC2\\xB1\\xC3\\x91\\xC2\\x83\\xC3\\x91\\xC2\\x82\\xC3\\x90\\xC2\\xBE\\xC3\\x90\\xC2\\xB2\\x20\\xC3\\x90\\xC2\\xB4\\xC3\\x90\\xC2\\xBE\\xC3\\x90\\xC2\\xBA\\xC3\\x91\\xC2\\x83\\xC3\\x90\\xC2\\xBC\\xC3\\x90\\xC2\\xB5\\xC3\\x90\\xC2\\xBD\\xC3\\x91\\xC2\\x82\\xC3\\x90\\xC2\\xB0";
    Matcher m = Pattern.compile("\\\\x(..)").matcher(t);
    ByteArrayOutputStream baos = new ByteArrayOutputStream();
    while (m.find()) {
        baos.write(Integer.parseInt(m.group(1),16));
    }
    s = baos.toString(StandardCharsets.UTF_8);

在这两种情况下，原始字节都被解码为 UTF-8。但是字符串仍然是 “编码。”实际上是两次UTF-8编码，一个错误，不保证可以解编码/解码。

hacking unencoding 是将每个字符解释为字节。为此，请使用单字节编码。有标准提供的字符集 ISO-8859-1。

    byte[] arr2 = s.getBytes(StandardCharsets.ISO_8859_1);
    s = new String(arr2,StandardCharsets.UTF_8);

    System.out.println(s);

现在输出是可读的

Ошибка валидации атрибутов документа

具有讽刺意味的是“验证文档属性时出错。”

decode decode encode encode java java