Java 中的日语字符编码

Question

这是我的问题。我现在正在使用 Java Apache POI 读取 Excel（.xls 或 .xlsx）文件，并显示内容。电子表格中有一些日语字符，我得到的所有日语字符都是“？？？”在我的输出中。我尝试过使用Shift-JIS、UTF-8等多种编码方式，但是都不行... 下面是我的编码代码：

public String encoding(String str) throws UnsupportedEncodingException{
  String Encoding = "Shift_JIS";
  return this.changeCharset(str, Encoding);
}
public String changeCharset(String str, String newCharset) throws UnsupportedEncodingException {
  if (str != null) {
    byte[] bs = str.getBytes();
    return new String(bs, newCharset);
  }
  return null;
}

我将传入编码（str）的每个字符串。但是当我打印返回值时，它仍然是类似“???”的东西（如下所示）但不是日语字符（平假名、片假名或汉字）。

title-jp=???

任何人都可以帮我解决这个问题吗？太感谢了。

Answer 1

您的 changeCharset 方法看起来很奇怪。 Java 中的 String 对象最好被认为没有特定的字符集。它们使用 Unicode，因此可以表示所有字符，而不仅仅是一个区域子集。您的方法说：使用我的系统的字符集（无论是什么）将字符串转换为字节，然后尝试使用其他字符集（在 newCharset 中指定）解释这些字节，因此可能会获胜不工作。如果您转换为编码中的字节，则应该使用相同的编码读取这些字节。

更新：

要将字符串转换为 Shift-JIS（日本常用的区域编码），您可以说：

byte[] jis = str.getBytes("Shift_JIS");

如果将这些字节写入文件，然后在 Windows 计算机上的记事本中打开该文件如果区域设置全部以日本为中心，则记事本将以日语显示（没有其他内容可继续，它将假定文本采用系统的本地编码）。

但是，您同样可以将其另存为 UTF-8（以 3 字节 UTF-8 引导符序列为前缀），记事本也会将其显示为日语。 Shift-JIS 只是将日语文本表示为字节的一种方式。

Answer 2

我怀疑你一开始就不应该这样做。如果确实是 Apache POI 的错误，那么您需要从数据中获取原始的原始字节，而不是仅仅使用系统默认的编码。

另一方面，我认为 Apache POI 完全有可能成功地做了正确的事情，而这只是一个输出问题。我建议您根据 Unicode 代码点转储您所获得的原始字符串（完全删除您的 encoding 方法），例如

 for (int i = 0; i < text.length; i++) {
     System.out.println("U+" + Integer.toHexString(text.charAt(i));
 }

然后根据 Unicode 网站。