¿Cómo convierto entre ISO-8859-1 y UTF-8 en Java?

Question

¿Alguien sabe cómo convertir una cadena de ISO-8859-1 a UTF-8 y volver a Java?

Estoy obteniendo una cadena de la web y guardándola en el RMS (J2ME), pero quiero conservar los caracteres especiales y obtener la cadena del RMS pero con la codificación ISO-8859-1. ¿Cómo hago esto?

Answer 1

En general, no puede hacer esto. UTF-8 es capaz de codificar cualquier punto de código Unicode. ISO-8859-1 solo puede manejar una pequeña fracción de ellos. Por lo tanto, la transcodificación de ISO-8859-1 a UTF-8 no es un problema. Si se retrocede de UTF-8 a ISO-8859-1, aparecerán "caracteres de reemplazo" (& # xFFFD;) en el texto cuando se encuentren caracteres no admitidos.

transcodificar texto:

byte[] latin1 = ... 
byte[] utf8 = new String(latin1, "ISO-8859-1").getBytes("UTF-8"); 

o

byte[] utf8 = ... 
byte[] latin1 = new String(utf8, "UTF-8").getBytes("ISO-8859-1"); 

Usted puede ejercer un mayor control utilizando el menor nivel Charset API. Por ejemplo, puede generar una excepción cuando se encuentre un carácter no codificable o utilizar un carácter diferente para reemplazar el texto.

Answer 2

Si usted tiene un String, se puede hacer eso:

String s = "test"; 
try { 
    s.getBytes("UTF-8"); 
} catch(UnsupportedEncodingException uee) { 
    uee.printStackTrace(); 
} 

Si usted tiene un 'roto' String, que hizo algo mal, la conversión de un String a un String en otra codificación no es defenetely el camino ¡ir! Puede convertir un String en un byte[] y viceversa (dada una codificación). En Java String s están codificados con AFAIK UTF-16, pero eso es un detalle de implementación.

Digamos que tienes una InputStream, se puede leer en un byte[] y luego convertir eso a un String usando

byte[] bs = ...; 
String s; 
try { 
    s = new String(bs, encoding); 
} catch(UnsupportedEncodingException uee) { 
    uee.printStackTrace(); 
} 

o incluso mejor (gracias a Erickson) utiliza InputStreamReader así:

InputStreamReader isr; 
try { 
    isr = new InputStreamReader(inputStream, encoding); 
} catch(UnsupportedEncodingException uee) { 
    uee.printStackTrace(); 
} 

Answer 3

Aquí es una manera fácil con String salida (he creado un método para hacer esto):

public static String (String input){ 
    String output = ""; 
    try { 
     /* From ISO-8859-1 to UTF-8 */ 
     output = new String(input.getBytes("ISO-8859-1"), "UTF-8"); 
     /* From UTF-8 to ISO-8859-1 */ 
     output = new String(input.getBytes("UTF-8"), "ISO-8859-1"); 
    } catch (UnsupportedEncodingException e) { 
     e.printStackTrace(); 
    } 
    return output; 
} 
// Example 
input = "Música"; 
output = "Música"; 

Answer 4

que funcionó para mí: ("üzüm Baglari" es la correcta por escrito en Turquía)

Convertir ISO-8859-1 a UTF-8:

String encodedWithISO88591 = "üzüm baÄları"; 
String decodedToUTF8 = new String(encodedWithISO88591.getBytes("ISO-8859-1"), "UTF-8"); 
//Result, decodedToUTF8 --> "üzüm bağları" 

Convert UTF-8 a ISO-8859-1

String encodedWithUTF8 = "üzüm bağları"; 
String decodedToISO88591 = new String(encodedWithUTF8.getBytes("UTF-8"), "ISO-8859-1"); 
//Result, decodedToISO88591 --> "üzüm baÄları" 

Answer 5

Apache Commons IO Charsets class puede ser útil:

String utf8String = new String(org.apache.commons.io.Charsets.ISO_8859_1.encode(latinString).array())