如何在Java中实现不同字符集间的代码点转换？

要实现你需要的转换，核心思路是通过字节序列作为中间桥梁：把源字符集的编码值转成字节，解码为Java内部的Unicode字符串，再编码为目标字符集的字节，最后把字节组合成目标编码值。具体步骤如下：

实现步骤 #

1. 将源代码点转为源字符集的字节序列
   • 单字节字符集（如windows-1250）：直接把代码点转成单个字节（处理无符号情况，用(byte)(sourceCodePoint & 0xFF)）。
   • 多字节字符集（如GB2312）：把代码点拆分为对应字节（比如GB2312是双字节，将十进制代码点转成十六进制后拆成两个字节）。
2. 用源字符集解码字节序列，得到Unicode字符串
3. 用目标字符集编码Unicode字符串，得到目标字节序列
4. 将目标字节序列组合成目标编码值

示例代码 #

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

public class CharsetCodePointConverter {
    public static Integer convertCodePoint(Charset sourceCharset, int sourceCodePoint, Charset targetCharset) {
        // 步骤1：将源代码点转为源字符集的字节序列
        ByteBuffer sourceBytes;
        if (sourceCharset.newEncoder().maxBytesPerChar() == 1) {
            // 单字节字符集处理
            sourceBytes = ByteBuffer.wrap(new byte[]{(byte) (sourceCodePoint & 0xFF)});
        } else {
            // 双字节字符集处理（如GB2312）
            byte highByte = (byte) ((sourceCodePoint >> 8) & 0xFF);
            byte lowByte = (byte) (sourceCodePoint & 0xFF);
            sourceBytes = ByteBuffer.wrap(new byte[]{highByte, lowByte});
        }

        // 步骤2：解码为Unicode字符
        CharsetDecoder decoder = sourceCharset.newDecoder();
        CharBuffer charBuffer = CharBuffer.allocate(1);
        CoderResult decodeResult = decoder.decode(sourceBytes, charBuffer, true);
        decoder.flush(charBuffer);
        charBuffer.flip();
        if (charBuffer.length() == 0 || decodeResult.isError()) {
            return null; // 解码失败返回null
        }
        String unicodeStr = charBuffer.toString();

        // 步骤3：编码为目标字符集的字节序列
        CharsetEncoder encoder = targetCharset.newEncoder();
        ByteBuffer targetBytes = ByteBuffer.allocate((int) (unicodeStr.length() * encoder.maxBytesPerChar()));
        CoderResult encodeResult = encoder.encode(CharBuffer.wrap(unicodeStr), targetBytes, true);
        encoder.flush(targetBytes);
        targetBytes.flip();
        if (targetBytes.limit() == 0 || encodeResult.isError()) {
            return null; // 编码失败返回null
        }

        // 步骤4：将字节序列转为目标编码值
        int targetCodePoint = 0;
        while (targetBytes.hasRemaining()) {
            targetCodePoint = (targetCodePoint << 8) | (targetBytes.get() & 0xFF);
        }
        return targetCodePoint;
    }

    public static void main(String[] args) {
        // 测试GB2312转UTF-8
        Charset sourceCharset = Charset.forName("GB2312");
        int sourceCodePoint = 45257; // "吧"的GB2312编码值
        Charset targetCharset = Charset.forName("UTF-8");

        Integer targetCodePoint = convertCodePoint(sourceCharset, sourceCodePoint, targetCharset);
        if (targetCodePoint != null) {
            System.out.println("UTF-8编码值：" + targetCodePoint); // 输出19988
        } else {
            System.out.println("转换失败");
        }

        // 测试windows-1250转Unicode
        Charset win1250 = Charset.forName("windows-1250");
        int winCode = 248; // ř的windows-1250编码值
        Charset unicode = Charset.forName("UTF-16");

        Integer unicodeCode = convertCodePoint(win1250, winCode, unicode);
        if (unicodeCode != null) {
            System.out.println("Unicode代码点：" + unicodeCode); // 输出345
        }
    }
}

注意事项 #

• 字符兼容性：如果源字符集的字符在目标字符集中没有对应映射，转换会返回null，需根据业务场景处理该情况。
• 多字节适配：示例默认处理双字节字符集，对于可变长度字符集（如UTF-8），目标编码值是字节序列的组合整数，实际使用中可根据需求调整输出形式。
• 异常捕获：实际部署时建议捕获UnsupportedCharsetException，避免传入无效字符集名称。

内容的提问来源于stack exchange，提问作者Jindra Petřík