Символ апострофа (') показывается как «во время записи файла CSV с использованием PrintWriter и просмотра в Microsoft Excel с кодировкой по умолчанию [duplicate]
Что такое необработанный тип и почему я часто слышу, что они не должны использоваться в новом коде?
«Необработанный тип» - это использование общего класс без указания аргумента (ов) типа для его параметризованного типа (ов), например используя List вместо List<String>. Когда дженерики были введены в Java, несколько классов были обновлены для использования дженериков. Использование этого класса в качестве «необработанного типа» (без указания аргумента типа) позволило сохранить прежний код.
«Необработанные типы» используются для обратной совместимости. Их использование в новом коде не рекомендуется, потому что использование универсального класса с аргументом типа допускает более сильную типизацию, что, в свою очередь, может улучшить понятность кода и привести к появлению потенциальных проблем раньше.
Что такое альтернатива, если мы не можем использовать необработанные типы и как это лучше?
. Предпочтительной альтернативой является использование общих классов, как предполагалось, - с подходящим аргументом типа (например, List<String>). Это позволяет программисту более конкретно указывать типы, придавая будущим сопровождающим больше смысла предполагаемое использование переменной или структуры данных и позволяет компилятору обеспечивать лучшую безопасность типов. Эти преимущества вместе могут улучшить качество кода и помочь предотвратить появление некоторых ошибок кодирования.
Например, для метода, в котором программист хочет, чтобы переменная List, называемая «имена», содержит только строки:
List<String> names = new ArrayList<String>();
names.add("John"); // OK
names.add(new Integer(1)); // compile error
11 ответов
Убедитесь, что браузер и редактор используют кодировку UTF-8 вместо ISO-8859-1 / Windows-1252.
Или используйте ’.
-
1& quot; Или использовать & amp; rsquo; & quot; , Проблема решена. – Jitendra Vyas 19 March 2010 в 14:48
-
2Нет, это не решено. В вашем приложении по-прежнему существует несогласованность в кодировке символов. Вы снова столкнетесь с той же проблемой в будущем для других символов, отличных от CP1252. И их довольно много ... – BalusC 19 March 2010 в 14:51
-
3Примеры символов, с которыми вы будете продолжать сталкиваться: i18nqa.com/debug/utf8-debug.html – Zoot 28 January 2014 в 18:38
-
4– Karuhanga 18 September 2018 в 18:18
Вместо знака фунта я использовал: & amp; фунт; без пространства. Это разрешило эту проблему для меня.
Для евро: & amp; евро; без пробела.
Итак, в чем проблема,
Это символ
< hr>’(RIGHT SINGLE QUOTATION MARK- U + 2019), который был закодирован как CP-1252 вместо UTF-8 . Если вы проверите таблицу encodings , вы увидите, что этот символ находится в UTF-8, состоящий из байтов0xE2,0x80и0x99. Если вы проверите макет кодовой страницы CP-1252 , вы увидите, что каждый из этих байтов обозначает отдельные символыâ,€и™.и как его исправить?
Используйте UTF-8 вместо CP-1252 для чтения, записи, сохранения и отображения символов.
У меня есть Content-Type, установленный в UTF-8 как в моем теге
<head>, так и в моих HTTP-заголовках:<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />Это только инструктирует клиент, кодирование которого используется для интерпретации и отображения символов. Это не дает указания вашей собственной программе, которую кодировка должна использовать для чтения, записи, хранения и отображения символов. Точный ответ зависит от используемой серверной платформы / базы данных / языка программирования. Обратите внимание, что тот, который установлен в заголовке ответа HTTP, имеет приоритет над метатегами HTML. Метатег HTML будет использоваться только тогда, когда страница будет открыта из локальной файловой системы диска, а не из HTTP.
Кроме того, мой браузер настроен на
Unicode (UTF-8):Это только заставляет клиента кодирование использовать для интерпретации и отображения символов. Но актуальной проблемой является то, что вы уже отправили
’(закодированный в UTF-8) клиенту вместо’. Клиент правильно отображает’, используя кодировку UTF-8. Если клиент был неправильно проинсталлирован для использования, например, ISO-8859-1, скорее всего, вы виделиââ¬â¢.
Я использую ASP.NET 2.0 с базой данных.
Это наиболее вероятно, где ваша проблема. Вы должны проверить с помощью независимого инструмента базы данных, как выглядят данные.
Если присутствует символ
’, значит, вы неправильно подключаетесь к базе данных. Вы должны указать соединителю базы данных, чтобы использовать UTF-8.Если ваша база данных содержит
’, значит, ваша база данных испорчена. Скорее всего, таблицы не настроены на использованиеUTF-8. Вместо этого они используют кодировку по умолчанию для базы данных, которая зависит от конфигурации. Если это ваша проблема, достаточно просто изменить таблицу для использования UTF-8. Если ваша база данных не поддерживает это, вам нужно будет воссоздать таблицы. Хорошая практика - установить кодировку таблицы при ее создании.Скорее всего, вы используете SQL Server, но здесь есть код MySQL (скопированный из этой статьи ):
CREATE DATABASE db_name CHARACTER SET utf8; CREATE TABLE tbl_name (...) CHARACTER SET utf8;Если ваша таблица, однако, уже UTF-8, вам нужно сделать шаг назад. Кто или , что поместил там данные. Это , где проблема. Одним из примеров может служить формат HTML, который неправильно кодирован / декодирован.
Вот еще несколько ссылок, чтобы узнать больше о проблеме:
- Unicode - Как правильно получить символы?
Unicode - как правильно получить символы? , с более краткими и практическими сведениями, решения ориентированы на среды Java.- Как настроить ваш сайт PHP для использования UTF8 , ориентированного на среды PHP.
-
1
-
2Если вы потеряли контент, подобный этому, например, в базе данных mysql, stackoverflow.com/a/9407998/117647 имеет трюк, необходимый для преобразования символов в utf-8 – Steve 1 June 2016 в 08:18
Если ваш тип контента уже является UTF8, то, скорее всего, данные уже поступают в неправильную кодировку. Если вы получаете данные из базы данных, убедитесь, что соединение с базой данных использует UTF-8.
Если это данные из файла, убедитесь, что файл правильно закодирован как UTF-8. Обычно вы можете установить это в диалоговом окне «Сохранить как ...» выбранного вами редактора.
Если данные уже нарушены при просмотре в исходном файле, скорее всего, это быть файлом UTF-8, но где-то в пути он был сохранен в неправильной кодировке.
Если кто-то получил эту ошибку на веб-сайте WordPress, вам необходимо изменить wp-config db charset:
define('DB_CHARSET', 'utf8mb4_unicode_ci');
вместо:
define('DB_CHARSET', 'utf8mb4');
Вы должны иметь текст для копирования / вставки из Word Document. Документ Word использует Smart Quotes. Вы можете заменить его специальным символом (& amp; rsquo;) или просто ввести свой HTML-редактор (').
Я уверен, что это решит вашу проблему.
У вас несоответствие в кодировке вашего персонажа; ваша строка кодируется в одной кодировке (UTF-8), и все, что интерпретирует эту страницу, использует другую (например, ASCII).
Всегда указывайте свою кодировку в своих заголовках HTTP и убедитесь, что это соответствует определению вашей инфраструктуры кодирование.
Пример HTTP-заголовка:
Content-Type text/html; charset=utf-8
<configuration>
<system.web>
<globalization
fileEncoding="utf-8"
requestEncoding="utf-8"
responseEncoding="utf-8"
culture="en-US"
uiCulture="de-DE"
/>
</system.web>
</configuration>
То же самое произошло со мной с символом «-» (длинный знак минус). Я использовал эту простую замену, так что разрешите ее:
htmlText = htmlText.Replace('–', '-');
-
1Проблема OP - это mojibake, а не аналогичные символы Unicode. – Cole Johnson 28 December 2013 в 09:04
’ (код кодировки Unicode U+2019 RIGHT SINGLE QUOTATION MARK) кодируется в UTF-8 в виде байтов:
0xE2 0x80 0x99.
’ (кодовые страницы Unicode U+00E2 U+20AC U+2122) кодируется в UTF-8 в виде байтов:
0xC3 0xA2 & nbsp; 0xE2 0x82 0xAC & nbsp; 0xE2 0x84 0xA2.
Это байты, которые ваш браузер фактически получает, чтобы создать ’ при обработке как UTF-8.
Это означает, что ваши исходные данные проходят две конвертации кодировки перед отправкой в браузер:
- Символ источника
’(U+2019) сначала кодируется как байты UTF-8:0xE2 0x80 0x99 - эти отдельные байты затем были неправильно интерпретированы и декодированы в Unicode codepoints
U+00E2 U+20AC U+2122одним из кодировок Windows-125X (1252, 1254, 1256 и 1258), все карты0xE2 0x80 0x99-U+00E2 U+20AC U+2122), а затем эти кодовые точки кодируются как байты UTF-8:0xE2->U+00E2->0xC3 0xA20x80->U+20AC->0xE2 0x82 0xAC0x99->U+2122- >0xE2 0x84 0xA2
Вам нужно найти, где выполняется дополнительное преобразование на шаге 2.
-
1
Это иногда случается, когда строка преобразуется из Windows-1252 в UTF-8 дважды .
У нас это было в приложении Zend / PHP / MySQL, где такие символы появлялись в базе данных, вероятно, из-за подключения MySQL, не задающего правильный набор символов. Нам пришлось:
- Обеспечить, чтобы Zend и PHP обменивались данными с базой данных в UTF-8 (по умолчанию был not )
- Исправить поврежденную символы с несколькими SQL-запросами, такими как ...
Сделайте это для того, чтобы сколько угодно таблиц / столбцов.UPDATE MyTable SET MyField1 = CONVERT(CAST(CONVERT(MyField1 USING latin1) AS BINARY) USING utf8), MyField2 = CONVERT(CAST(CONVERT(MyField2 USING latin1) AS BINARY) USING utf8);
Вы также можете исправить некоторые из этих строк в PHP, если это необходимо. Обратите внимание, что поскольку символы были закодированы дважды , нам действительно нужно сделать обратное преобразование из UTF-8 обратно в Windows-1252, что сначала смутило меня.
mb_convert_encoding('’', 'Windows-1252', 'UTF-8'); // returns ’
У меня есть некоторые документы, где … показывался как … и ê показывался как ê. Вот как это получилось (код python):
# Adam edits original file using windows-1252
windows = '\x85\xea'
# that is HORIZONTAL ELLIPSIS, LATIN SMALL LETTER E WITH CIRCUMFLEX
# Beth reads it correctly as windows-1252 and writes it as utf-8
utf8 = windows.decode("windows-1252").encode("utf-8")
print(utf8)
# Charlie reads it *incorrectly* as windows-1252 writes a twingled utf-8 version
twingled = utf8.decode("windows-1252").encode("utf-8")
print(twingled)
# detwingle by reading as utf-8 and writing as windows-1252 (it's really utf-8)
detwingled = twingled.decode("utf-8").encode("windows-1252")
assert utf8==detwingled
Чтобы исправить эту проблему, я использовал код python следующим образом:
with open("dirty.html","rb") as f:
dt = f.read()
ct = dt.decode("utf8").encode("windows-1252")
with open("clean.html","wb") as g:
g.write(ct)
(поскольку кто-то вставил twingled версии в правильный документ UTF-8, мне на самом деле пришлось извлечь только трясущуюся часть, подключить ее и вставить обратно. Для этого я использовал BeautifulSoup.)
Скорее всего, у вас есть Чарли в создании контента, чем неправильная конфигурация веб-сервера. Вы также можете заставить свой веб-браузер закрутить страницу, выбрав кодировку windows-1252 для документа utf-8. Ваш веб-браузер не может размещать документ, сохраненный Чарли.
Примечание: та же проблема может возникнуть с любой другой однобайтовой кодовой страницей (например, латинским-1), а не с окнами-1252.
-
1