Java中如何批量转换Ã<0x9c>类乱码为Ü？及编码名称解析

一、编码不匹配的原理 #

• 你遇到的是典型的UTF-8与Latin-1（ISO-8859-1）编码解码不匹配导致的乱码：
  • 目标字符“Ü”的Unicode码点是U+00DC，它的UTF-8编码是两个字节：0xC3和0x9C。
  • 当这组UTF-8字节被错误地用Latin-1编码解码时，0xC3会被解析为可打印字符“Ô，0x9C会被解析为Latin-1中的控制字符（无法直接打印，所以Sublime Text显示为<0x9c>），这就是你看到的“Ã<0x9c>”。
  • Datagrip只渲染了可打印的“Ô，而Sublime Text把不可打印的控制字符以十六进制形式展示，所以两者显示不同。

二、Java批量转换实现 #

核心逻辑是逆向还原：先把乱码字符串按Latin-1转成字节数组（还原出最初的UTF-8字节），再用UTF-8解码得到正确字符串。这个方法支持批量处理任意长度的字符串或字符串集合：

public class UmlautFixer {
    public static String fixGarbledText(String garbledStr) {
        if (garbledStr == null) {
            return null;
        }
        // 按Latin-1编码还原出原始UTF-8字节
        byte[] originalUtf8Bytes = garbledStr.getBytes(java.nio.charset.StandardCharsets.ISO_8859_1);
        // 用UTF-8解码得到正确字符串
        return new String(originalUtf8Bytes, java.nio.charset.StandardCharsets.UTF_8);
    }

    public static void main(String[] args) {
        // 单个字符测试
        String singleGarbled = "Ã<0x9c>";
        System.out.println(fixGarbledText(singleGarbled)); // 输出：Ü

        // 批量处理示例
        java.util.List<String> garbledTexts = java.util.Arrays.asList(
                "Ã<0x9c>bung", "SchÃ<0x9f>n", "MÃ<0xa4>dchen"
        );
        java.util.List<String> fixedTexts = garbledTexts.stream()
                .map(UmlautFixer::fixGarbledText)
                .collect(java.util.stream.Collectors.toList());
        
        fixedTexts.forEach(System.out::println);
        // 输出结果：
        // Übung
        // Schön
        // Mädchen
    }
}

注意事项 #

• 这个转换仅适用于“UTF-8字节被错误用Latin-1解码”导致的乱码场景，是这类乱码的通用修复方案，不限于元音变音符字符。
• 如果乱码是其他编码不匹配导致的，这个方法不适用，需要先确认编码错误的具体类型。

内容的提问来源于stack exchange，提问作者Steve