如何在Java中创建自定义专属Charset？

直接通过Charset类本身很难创建自定义字符集，因为Java的字符集体系基于SPI（服务提供者接口）扩展。针对你的需求，这里提供两种实用方案：

方案一：基于现有Unicode字符集做过滤（推荐） #

你的目标字符（繁体中文、美式英语、波兰语、俄语、数字、特定符号）都属于Unicode子集，完全可以复用UTF-8/UTF-16这类成熟编码，只在编码/解码阶段添加字符过滤逻辑，避免从零实现字符集的复杂度。

实现步骤 #

1. 定义允许的字符范围规则：

   • 数字：0-9（U+0030到U+0039）
   • 美式英语：基础ASCII字母符号（U+0020到U+007E）
   • 波兰语：特有的拉丁扩展字符（如ąęłńóśźż，对应U+0105、U+0119等）
   • 俄语：西里尔字母（U+0410到U+044F，含大小写）
   • 繁体中文：Unicode繁体字符区域（U+4E00到U+9FFF的繁体部分，或U+3400到U+4DBF）
   • 特定符号：自行补充，比如!@#$%等

2. 编写过滤型Writer包装类，编码前校验字符合法性：

import java.io.IOException;
import java.io.OutputStreamWriter;
import java.io.Writer;
import java.nio.charset.Charset;

public class FilteredCharsetWriter extends Writer {
    private final Writer delegate;

    public FilteredCharsetWriter(Writer delegate) {
        this.delegate = delegate;
    }

    @Override
    public void write(char[] cbuf, int off, int len) throws IOException {
        char[] filtered = new char[len];
        int index = 0;
        for (int i = off; i < off + len; i++) {
            char c = cbuf[i];
            filtered[index++] = isAllowed(c) ? c : '?'; // 不符合规则则替换为?，也可抛出异常
        }
        delegate.write(filtered, 0, index);
    }

    private boolean isAllowed(char c) {
        // 数字
        if (c >= '0' && c <= '9') return true;
        // 美式英语基础ASCII
        if (c >= 0x20 && c <= 0x7E) return true;
        // 俄语西里尔字母（含大小写和特殊字符）
        if ((c >= 0x0410 && c <= 0x044F) || (c >= 0x0401 && c <= 0x0451)) return true;
        // 波兰语特有字符
        if ("ąĄęĘłŁńŃóÓśŚźŹżŻ".indexOf(c) != -1) return true;
        // 繁体中文Unicode范围
        if ((c >= 0x4E00 && c <= 0x9FFF) || (c >= 0x3400 && c <= 0x4DBF)) return true;
        // 自定义特定符号
        if ("!@#$%^&*()_+-=[]{}|;:'\",.<>?/".indexOf(c) != -1) return true;
        return false;
    }

    @Override
    public void flush() throws IOException {
        delegate.flush();
    }

    @Override
    public void close() throws IOException {
        delegate.close();
    }
}

使用示例：

try (FilteredCharsetWriter writer = new FilteredCharsetWriter(
         new OutputStreamWriter(System.out, Charset.forName("UTF-8")))) {
    writer.write("測試Test ąęłńóśźż Привет 123!");
} catch (IOException e) {
    e.printStackTrace();
}

方案二：从零实现自定义Charset（复杂场景） #

如果必须实现完全独立的自定义字符集，需通过Java的CharsetProvider SPI扩展机制完成：

实现步骤 #

1. 定义字符-字节映射表：为目标字符分配唯一的单/多字节编码（比如单字节存数字、符号、英语，双字节存波兰语、俄语，三字节存繁体中文）。

2. 实现自定义Charset类：

import java.nio.charset.Charset;
import java.nio.charset.CharsetDecoder;
import java.nio.charset.CharsetEncoder;

public class CustomCharset extends Charset {
    protected CustomCharset(String canonicalName, String[] aliases) {
        super(canonicalName, aliases);
    }

    @Override
    public boolean contains(Charset cs) {
        return cs.name().equals(this.name()) || cs instanceof CustomCharset;
    }

    @Override
    public CharsetDecoder newDecoder() {
        return new CustomCharsetDecoder(this);
    }

    @Override
    public CharsetEncoder newEncoder() {
        return new CustomCharsetEncoder(this);
    }
}

3. 实现Decoder和Encoder：

import java.nio.ByteBuffer;
import java.nio.CharBuffer;
import java.nio.charset.Charset;
import java.nio.charset.CharsetDecoder;
import java.nio.charset.CoderResult;

public class CustomCharsetDecoder extends CharsetDecoder {
    protected CustomCharsetDecoder(Charset cs) {
        super(cs, 1.0f, 3.0f); // 平均和最大字节数
    }

    @Override
    protected CoderResult decodeLoop(ByteBuffer in, CharBuffer out) {
        while (in.hasRemaining() && out.hasRemaining()) {
            byte b = in.get();
            char c = mapByteToChar(b);
            if (c == 0) {
                return CoderResult.malformedForLength(1); // 处理无效字节
            }
            out.put(c);
        }
        return in.hasRemaining() ? CoderResult.UNDERFLOW : CoderResult.UNDERFLOW;
    }

    private char mapByteToChar(byte b) {
        // 替换为你的字符-字节映射逻辑
        if (b >= 0x30 && b <= 0x39) {
            return (char) b;
        }
        // 其他映射规则...
        return 0;
    }
}

4. 实现CharsetProvider并注册：

import java.nio.charset.Charset;
import java.nio.charset.spi.CharsetProvider;
import java.util.Iterator;

public class CustomCharsetProvider extends CharsetProvider {
    private final CustomCharset customCharset = new CustomCharset("CustomCS", new String[]{"custom"});

    @Override
    public Iterator<Charset> charsets() {
        return java.util.Collections.singleton(customCharset).iterator();
    }

    @Override
    public Charset charsetForName(String charsetName) {
        if ("CustomCS".equals(charsetName) || "custom".equals(charsetName)) {
            return customCharset;
        }
        return null;
    }
}

最后在项目META-INF/services/目录下创建文件java.nio.charset.spi.CharsetProvider，内容为CustomCharsetProvider的全类名，Java即可加载你的自定义字符集。

内容的提问来源于stack exchange，提问作者Vreny