Java 6下UTF-8转ISO8859-1并忽略不可映射字符的实现问题

嘿，我来帮你搞定这个Java 6下的字符处理问题！

首先得说，你找对方向了——CharsetEncoder确实是解决这个需求的最佳方案，而且完全适配Java 6环境。先聊聊你原来的实现为啥不符合预期：new String(str.getBytes(), iso88591charset) 这个操作默认会把无法映射到ISO8859-1的字符替换成?（默认替换字符），而不是直接省略，这就是你看到“被转换为多个字节”的原因。

下面是用CharsetEncoder实现的正确代码，既能直接省略无法用ISO8859-1表示的字符，还能去掉那些繁琐的手动replace语句：

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

public class StringConverter {
    // 提前初始化ISO-8859-1字符集，避免重复创建
    private static final Charset ISO_8859_1 = Charset.forName("ISO-8859-1");

    public static String convert(String str) {
        // 处理空字符串或null的情况
        if (str == null || str.isEmpty()) {
            return str;
        }

        // 创建编码器并配置错误处理策略
        CharsetEncoder encoder = ISO_8859_1.newEncoder();
        encoder.onMalformedInput(CodingErrorAction.IGNORE);
        encoder.onUnmappableCharacter(CodingErrorAction.IGNORE);

        CharBuffer inputBuffer = CharBuffer.wrap(str);
        ByteBuffer outputBuffer;

        try {
            // 编码字符到字节缓冲区
            outputBuffer = encoder.encode(inputBuffer);
            // 刷新编码器，确保所有字符都被处理完成
            encoder.flush(outputBuffer);
        } catch (Exception e) {
            // 异常兜底，可以根据业务需求调整，比如返回原字符串
            return str;
        }

        // 将字节缓冲区转换为字符串，注意只取实际写入的字节数
        return new String(outputBuffer.array(), 0, outputBuffer.limit(), ISO_8859_1);
    }
}

关键细节说明： #

• 错误处理配置：onMalformedInput和onUnmappableCharacter都设为IGNORE，这会让编码器直接跳过任何无法映射到ISO8859-1的字符，完全符合你“直接省略”的需求。
• NIO缓冲区处理：用CharBuffer.wrap包装输入字符串，避免手动操作字符数组；编码后通过outputBuffer.limit()获取实际有效字节数，不会读取缓冲区里的空字节。
• 性能优势：对比你写的循环方案，这个实现基于NIO，避免了大量String对象的创建，处理长字符串时性能提升非常明显。

关于原有的replace语句： #

那些特殊字符（长破折号–、左右引号“”）都是Unicode扩展字符，不在ISO8859-1的字符集中，上面的代码会直接把它们省略掉。如果你仍然希望把这些字符替换成对应的ASCII等价物（比如长破折号换短破折号、引号换普通双引号），可以在编码前加一段简洁的替换逻辑（比原来的多个replace更干净）：

// 替换特定Unicode字符为ASCII等价物
str = str.replace('\u2013', '-')
         .replace('\u201C', '"')
         .replace('\u201D', '"');

如果不需要保留这些字符的等价形式，直接用上面的编码器代码就行，完全不需要那些手动替换。

这个实现完全兼容Java 6，你可以直接拿去用~

内容的提问来源于stack exchange，提问作者Robert3452