3

Estou enfrentando problemas em descobrir a codificação de uma string.

A entrada é:

São Paulo

A leitura original desse conteúdo não me compete, pois o texto passa por um wrapper de Lua para Java.

Do meu lado, já fiz a seguinte tentativa "força bruta" e não acho a conversão correta:

byte[] bytes1 = entrada.getBytes();
System.out.println(Arrays.toString(bytes1));
System.out.println(new String(bytes1));
System.out.println(new String(bytes1, StandardCharsets.UTF_8));
System.out.println(new String(bytes1, StandardCharsets.ISO_8859_1));
System.out.println(new String(bytes1, StandardCharsets.US_ASCII));

byte[] bytes2 = entrada.getBytes(StandardCharsets.UTF_8);
System.out.println(Arrays.toString(bytes2));
System.out.println(new String(bytes2));
System.out.println(new String(bytes2, StandardCharsets.UTF_8));
System.out.println(new String(bytes2, StandardCharsets.ISO_8859_1));
System.out.println(new String(bytes2, StandardCharsets.US_ASCII));

byte[] bytes3 = entrada.getBytes(StandardCharsets.ISO_8859_1);
System.out.println(Arrays.toString(bytes3));
System.out.println(new String(bytes3));
System.out.println(new String(bytes3, StandardCharsets.UTF_8));
System.out.println(new String(bytes3, StandardCharsets.ISO_8859_1));
System.out.println(new String(bytes3, StandardCharsets.US_ASCII));

byte[] bytes4 = entrada.getBytes(StandardCharsets.US_ASCII);
System.out.println(Arrays.toString(bytes4));
System.out.println(new String(bytes4));
System.out.println(new String(bytes4, StandardCharsets.UTF_8));
System.out.println(new String(bytes4, StandardCharsets.ISO_8859_1));
System.out.println(new String(bytes4, StandardCharsets.US_ASCII));

E tenho a seguinte saída, toda errada:

[83, -29, -81, -96, 80, 97, 117, 108, 111]
S㯠Paulo
S㯠Paulo
S㯠Paulo
S���Paulo

[83, -29, -81, -96, 80, 97, 117, 108, 111]
S㯠Paulo
S㯠Paulo
S㯠Paulo
S���Paulo

[83, 63, 80, 97, 117, 108, 111]
S?Paulo
S?Paulo
S?Paulo
S?Paulo

[83, 63, 80, 97, 117, 108, 111]
S?Paulo
S?Paulo
S?Paulo
S?Paulo

Alguém pode me ajudar? Agradeço desde já.

1 Resposta 1

3

Se entrada for uma String, você já tem ela decodificada e não adianta tentar convertê-la.

Me parece que o que você está tentando fazer é converter a String em bytes e depois os bytes numa String novamente. Isso não funciona pois uma vez que o input original foi transformado numa String, em geral os bytes são decodificados e não permanecem os mesmos que eram originalmente.

Quando você faz entrada.getBytes() na verdade o Java vai usar o encoding padrão definido pelo seu sistema, então não tem diferença alguma das outras abordagens.

Os números negativos são normais, já que o tipo primitivo byte em Java é um número que vai de -128 a +127. Nada mais normal que alguns caracteres sendo representados por valores dentro do intervalo negativo.

O seguinte código faz a decodificação do vetor de bytes em todas as codificações que o Java suporta num determinado ambiente:

byte[] b = new byte[] { 83, -29, -81, -96, 80, 97, 117, 108, 111 };
SortedMap<String, Charset> charsets = Charset.availableCharsets();
for (Map.Entry<String, Charset> entry : charsets.entrySet()) {
    System.out.printf("%s: %s%n", entry.getKey(), new String(b, entry.getValue()));
}

Testei isso num Mac e nenhuma codificação foi capaz de decodificar o o do são, o que me indica que os bytes já estão corrompidos e o problema não está em algum ponto anterior.

Você deve exigir de quem estiver do "outro lado" uma especificação de qual a codificação usada e que a implementação siga o que foi definido.

Outra abordagem seria receber diretamente o array de bytes da entrada ou algum formato que não faça uma decodificação dos bytes antes de chegar ao seu controle.

2
  • De fato, pois o o do Paulo deveria ser o mesmo código do o do São. Os dados estão corrompidos na entrada. A melhor coisa que o autor faria, seria mostrar a entrada byte a byte em hexa, para análise.
    – Largato
    29/01/2016 às 2:40
  • Muito obrigado pela atenção. Concordo com vocês, e suspeitava disso também. Verei o que posso fazer sobre a leitura no Lua. 29/01/2016 às 6:40

Você deve fazer log-in para responder a esta pergunta.

Esta não é a resposta que você está procurando? Pesquise outras perguntas com a tag .