如何转换一串俄罗斯西里尔字母？

Question

我解析mp3标签.

String artist - 我不知道编码是什么

Ïåñíÿ ïðî íàäåæäó - 俄语示例字符串 "????? ??? ???????"

我使用http://code.google.com/p/juniversalchardet/

码:

String GetEncoding(String text) throws IOException {
        byte[] buf = new byte[4096];


        InputStream fis = new ByteArrayInputStream(text.getBytes());


        UniversalDetector detector = new UniversalDetector(null);

        int nread;
        while ((nread = fis.read(buf)) > 0 && !detector.isDone()) {
            detector.handleData(buf, 0, nread);
        }
        detector.dataEnd();
        String encoding = detector.getDetectedCharset();
        detector.reset();
        return encoding;
    }

并且隐蔽

new String(text.getBytes(encoding), "cp1251"); - 但这不起作用.

如果我使用utf-16

new String(text.getBytes("UTF-16"), "cp1251") 返回"юяПеснаддодаддуд"space - not is char space

编辑:

这第一个读取字节

byte[] abyFrameData = new byte[iTagSize];
oID3DIS.readFully(abyFrameData);
ByteArrayInputStream oFrameBAIS = new ByteArrayInputStream(abyFrameData);

String s = new String(abyFrameData,"????");

Answer 1

Java 字符串是 UTF-16。所有其他编码都可以使用字节序列表示。要解码字符数据，您必须在第一次创建字符串时提供编码。如果您的字符串已损坏，则为时已晚。

假设 ID3，规范定义了编码规则。例如，ID3v2.4.0可能会限制通过扩展头使用的编码：

q - 文本编码限制

   0    No restrictions
   1    Strings are only encoded with ISO-8859-1 [ISO-8859-1] or
        UTF-8 [UTF-8].

编码处理在文档下方进一步定义：

如果没有其他说明，字符串（包括数字字符串和 URL）将表示为 $20 - $FF 范围内的 ISO-8859-1 字符。此类字符串在框架描述中表示为<text string>，或者 <full text string>是否允许换行。如果没有其他说明，则禁止换行符。在 ISO-8859-1 中，在允许的情况下仅用 $0A 表示换行符。

允许不同类型文本编码的帧包含一个文本编码描述字节。可能的编码：

 $00   ISO-8859-1 [ISO-8859-1]. Terminated with $00.
 $01   UTF-16 [UTF-16] encoded Unicode [UNICODE] with BOM. All
       strings in the same frame SHALL have the same byteorder.
       Terminated with $00 00.
 $02   UTF-16BE [UTF-16] encoded Unicode [UNICODE] without BOM.
       Terminated with $00 00.
 $03   UTF-8 [UTF-8] encoded Unicode [UNICODE]. Terminated with
       $00.

使用转码类InputStreamReader或（在这种情况下更有可能）String(byte[],Charset)构造函数来解码数据。另请参阅Java：字符编码粗略指南。

解析 ID3v2.4.0 数据结构的字符串组件将是这样的：

//untested code
public String parseID3String(DataInputStream in) throws IOException {
  String[] encodings = { "ISO-8859-1", "UTF-16", "UTF-16BE", "UTF-8" };
  String encoding = encodings[in.read()];
  byte[] terminator =
      encoding.startsWith("UTF-16") ? new byte[2] : new byte[1];
  byte[] buf = terminator.clone();
  ByteArrayOutputStream buffer = new ByteArrayOutputStream();
  do {
    in.readFully(buf);
    buffer.write(buf);
  } while (!Arrays.equals(terminator, buf));
  return new String(buffer.toByteArray(), encoding);
}