SQL Server JDBC：LATIN1到UTF-8

Question

SQL Server中有一个表格与Colation SQL_LATIN1_GENERAR_CP1_CS_AS。 该表具有一个列VARCHAR（35），并具有相同的平面sql_latin1_general_cp1_cs_as。

该列包含一个带有字符 8F （十六进制）的字符串。

参见 https://wwwww.fileformat.info/info/info/info/info/info/char chary/char of Char /008f/index.htm 根据此页面，此字符转换为UTF8应成为 c28f 。

当我从Java中的此列中读取该值并将其转换为UTF-8时，8F被替换为 efbfbd 。因此，8F丢失了...一种。 See https://www.fileformat.info/info/unicode/char /0fffd/index.htm

     public static String convertStrToHex(String str) {
         byte[] getBytesFromString = str.getBytes(StandardCharsets.UTF_8);
            
         BigInteger bigInteger = new BigInteger(1, getBytesFromString);
         String convertedResult = String.format("%X", bigInteger);
        
         return convertedResult;
     }

当我查询表时，

select BadCol from MyTbl
System.out.println(convertStrToHex(resultSet.getString(1));

我会得到efbfbd而不是C28F。

当我声明字符串变量“ \ u008f”并在UTF-8中转换时：

String code="\u008f";
System.out.println(convertStrToHex(code);

我得到了正确的C28F。

那么，为什么变量会正确转换，而是通过JDBC-录音集错误？

使用SQL Server 2017和2019以及JDBC：MSSQL和JTD进行了测试，结果相同。

感谢任何帮助！ 据我了解，JDBC驾驶员应归咎于。但为什么？？

Answer 1

Latin-1中不存在具有十六进制代码8F的字符。这是一个无效的角色。

因此，当转换为UTF-8时，将其替换为替换字符。

替换字符具有UNICODE代码点u+fffd。在UTF-8中编码，它变为EF BF BD。

Answer 2

您是正确的，8F不是有效的UTF-8字节。 8F也不是有效的Latin1字符。

8F是某些Windows Charset中的有效字符，它们是ISO 8859- n charsets的超集。您的VARCHAR值可能是Windows-1250，Windows-1251，Windows-1256或Windows-1257值。您将必须根据用户的语言或不理想的是软件的默认语言做出假设。

如果可能的话，将您的JDBC连接设置为使用其中一种charset。 完成操作将取决于您正在使用的数据库。

（确切地 那就在阅读数据库中的值时自己进行转换。替换以下：

resultSet.getString(1)

其中之一：

new String(resultSet.getBytes(1), "windows-1250")
new String(resultSet.getBytes(1), "windows-1251")
new String(resultSet.getBytes(1), "windows-1256")
new String(resultSet.getBytes(1), "windows-1257")

Windows-1250适用于中欧和东欧。 wikipedia> wikipedia说可以用于波兰语，捷克，捷克，斯洛伐克，斯洛伐克，斯洛伐克，斯洛伐克，斯洛维尼，serbo，serbo，serbo - 表面，罗马尼亚语，阿尔巴尼亚语和德语文字。

Windows-1251用于西里尔语言。 Wikipedia说可以用于俄罗斯，乌克兰人和白俄罗斯人等。

windows-1256 适用于阿拉伯语。

windows-1257 适用于爱沙尼亚，拉脱维安和立陶宛人。