如何检测服务接收文本中不属于Windows-1252字符集的字符？

你用正则手动枚举Windows-1252字符的思路存在明显缺陷：不仅要手动罗列大量字符，容易遗漏（比如Windows-1252中0x80-0x9F区间的€、‚、ƒ等特殊符号），而且正则表达式的可读性和可维护性极差，后续调整字符范围会非常麻烦。

更可靠的实现方式是利用Java的字符编码特性——如果字符无法被Windows-1252编码，在编码过程中会被替换为默认的�符号，对比原字符串和编码解码后的字符串是否一致，就能快速判断是否存在非法字符。

方案一：对比编码解码后的字符串 #

这种方式简单直接，适合大多数场景：

import java.nio.charset.Charset;

public class Windows1252Validator {
    private static final Charset CP1252 = Charset.forName("Windows-1252");

    public static boolean isValidWindows1252(String input) {
        if (input == null) {
            return true; // 可根据业务需求调整null的合法性
        }
        byte[] encodedBytes = input.getBytes(CP1252);
        String decodedStr = new String(encodedBytes, CP1252);
        return input.equals(decodedStr);
    }

    public static void main(String[] args) {
        String validText = "ŠŒŽšœžŸÀÁÂà ÄÅÆÇÈÉÊËÌÍÎÏÐÑÒÓÔÕÖØÙÚÛÜÝ Þßàáâãäåæçèéêëìíîïð ñòóôõöøùúûüýþÿ asvsdf QWESA 1234 ÜüËëÄäÖö";
        String invalidText = "测试中文😀"; // 包含Windows-1252不支持的字符

        System.out.println(isValidWindows1252(validText)); // 输出true
        System.out.println(isValidWindows1252(invalidText)); // 输出false
    }
}

方案二：严格编码校验（直接抛出异常） #

如果需要在检测到非法字符时立刻抛出异常，而不是返回布尔值，可以使用CharsetEncoder并设置错误处理策略：

import java.nio.CharBuffer;
import java.nio.charset.Charset;
import java.nio.charset.CharsetEncoder;
import java.nio.charset.CodingErrorAction;

public class Windows1252StrictValidator {
    private static final Charset CP1252 = Charset.forName("Windows-1252");

    public static boolean isValidWindows1252Strict(String input) throws Exception {
        if (input == null) {
            return true;
        }
        CharsetEncoder encoder = CP1252.newEncoder();
        // 设置遇到非法字符时抛出异常
        encoder.onMalformedInput(CodingErrorAction.REPORT);
        encoder.onUnmappableCharacter(CodingErrorAction.REPORT);
        encoder.encode(CharBuffer.wrap(input));
        return true;
    }

    public static void main(String[] args) {
        String validText = "ŠŒŽšœžŸÀÁÂà ÄÅÆÇÈÉÊËÌÍÎÏÐÑÒÓÔÕÖØÙÚÛÜÝ Þßàáâãäåæçèéêëìíîïð ñòóôõöøùúûüýþÿ asvsdf QWESA 1234 ÜüËëÄäÖö";
        String invalidText = "测试中文😀";

        try {
            System.out.println(isValidWindows1252Strict(validText)); // 输出true
            System.out.println(isValidWindows1252Strict(invalidText)); // 抛出异常
        } catch (Exception e) {
            System.out.println("输入包含非Windows-1252字符");
        }
    }
}

总结 #

相比正则表达式，基于字符编码的方案无需手动维护庞大的字符列表，能完整覆盖Windows-1252的所有合法字符（包括容易遗漏的特殊符号和控制字符），可靠性和可维护性都更高。

内容的提问来源于stack exchange，提问作者Banns