Java字符串编码异常：ISO-8859字符串转UTF-8写入XML时字符显示错误的解决方法

这个问题确实有点反直觉——明明两个重音字符的UTF-8字节看起来都合规，结果Ó正常显示，Á却变成了问号。我帮你拆解下原因和修复方案：

核心原因分析 #

你提到Á的UTF-8字节是C3 81，但转回来变成了C3 3F（3F是ASCII问号的十六进制值），这说明在编码/解码的某个环节，0x81这个字节被错误替换成了0x3F。常见的触发场景有：

• 某个步骤误用了仅支持ASCII的编码来处理UTF-8字节；
• 写入XML时，没有明确指定UTF-8编码，导致XML工具把0x81（属于ASCII控制字符范围）判定为无效字符并替换；
• 中间有数据传输/存储环节，默认过滤了ASCII控制字符（0x81属于非打印控制字符，部分系统会自动替换）。

标准修复流程 #

严格遵循「原始编码解码→Unicode中转→UTF-8编码」的流程，就能从根源避免这类问题：

1. 正确完成ISO-8859到UTF-8的转换 #

首先确保你是从标准ISO-8859-1字节解码成内存中的Unicode字符串，再编码成UTF-8，而不是直接操作字节数组：

# 示例：假设你手里的原始ISO-8859-1字节
iso_8859_1_bytes = b'PRESI\xd3N M\xc1XIMA'  # Ó对应0xD3，Á对应0xC1（ISO-8859-1编码）
# 第一步：解码为Unicode字符串（内存中的通用字符格式）
unicode_str = iso_8859_1_bytes.decode('iso-8859-1')
# 第二步：编码为UTF-8字节
utf8_bytes = unicode_str.encode('utf-8')
# 此时utf8_bytes应该是b'PRESI\xc3\x93N M\xc3\x81XIMA'，完全符合预期

2. 写入XML时的两个关键细节 #

写入XML文件时，必须同时满足这两个条件，否则很容易出现编码异常：

• 在XML开头声明UTF-8编码：<?xml version="1.0" encoding="UTF-8"?>
• 写入文件时明确指定UTF-8编码，避免系统默认编码干扰：

import xml.etree.ElementTree as ET

# 创建XML节点
root = ET.Element("pressure")
root.text = unicode_str  # 使用上面得到的Unicode字符串

# 写入文件时指定编码和XML声明
tree = ET.ElementTree(root)
tree.write("pressure.xml", encoding='utf-8', xml_declaration=True)

3. 排查中间环节的字符过滤 #

如果按照上面的流程还是出现问题，就要检查是否有中间步骤（比如日志工具、第三方传输服务）会过滤ASCII控制字符。0x81属于ASCII的C1控制字符范围，有些系统会默认替换这类字符。此时可以：

• 确保所有处理环节都明确使用UTF-8编码，不做额外的字符过滤；
• 如果必须通过这类系统传输，可先将UTF-8字节转成Base64格式写入XML，读取时再解码回UTF-8。

验证方法 #

你可以直接打印字节数组的十六进制值，确认转换是否正确：

print(utf8_bytes.hex())  # 正确输出应该是：5052455349c3934e204dc38158494d41

如果输出里的c381变成了c33f，说明在编码后的某个环节0x81被替换了，重点排查该环节的字符处理规则即可。

内容的提问来源于stack exchange，提问作者jpprade