为何CP1147编码下字符Đ调用getBytes返回替换字符3F而非AC？

核心问题是混淆了两个视觉相似但Unicode码点不同的字符：

• 你代码中使用的"Đ"是U+00D0（拉丁大写字母Eth，字符为Ð），这个字符在CP1147字符集中没有对应的编码映射，因此Java会将其替换为默认的替换字符X'3F'（问号）。
• 而CP1147中X'AC'对应的是U+0110（拉丁大写字母带横杠的D，字符为Đ）——这两个字符外观几乎一致，但属于完全不同的Unicode字符。

验证与修复 #

要得到预期的X'AC'，需要确保字符串使用的是U+0110而非U+00D0。可以通过以下方式修改代码：

// 直接用码点构造正确的字符U+0110
String value = new String(new int[]{0x0110}, 0, 1);
byte[] sendRecord = value.getBytes("CP1147");

StringBuilder sb = new StringBuilder();
for (byte b : sendRecord) {
    sb.append(String.format("%02X", b));
}
System.out.println(sb.toString()); // 输出AC
Assertions.assertEquals("AC", sb.toString());

另外可以确认：Java的sun.nio.cs.ext.IBM1147字符集确实包含U+0110到X'AC'的映射，但未定义U+00D0的对应编码，这是导致替换的根本原因。

内容的提问来源于stack exchange，提问作者0c7