2

Javaの文字コード変換についてネットを通して勉強中です。
下記コード3行目でなぜ文字化けが発生してしまうかが分かりません。
また文字化けしている変数を使っているのに「getBytes("ISO8859_1")」して「System.out.print(String.format("%02X ", (int)b & 0xff));」でコンソールの表示していますが「長所と短所」のSJISコード(92 B7 8F 8A 82 C6 92 5A 8F 8A)が表示され、処理が上手くいっているのか疑問です。

public class Study {

    public static void main(String[] args) throws UnsupportedEncodingException {

        String original = "長所と短所";
        String stext = new String(original.getBytes("Shift-JIS"), "ISO8859_1");
        System.out.println("" + stext); // これは文字化け
        byte[]bytes = stext.getBytes("ISO8859_1"); // Shift-JISのコードを表示
        for (byte b: bytes) {
        System.out.print(String.format("%02X ", (int)b & 0xff));
        }
    }
}

2 件の回答 2

6

UTF-8のファイルをSJISに変換後で文字化け。の関連質問のようなので、こちらにも補足を書かせていただきます。

まずはあなたのコード中でoriginal.getBytes("Shift-JIS")というのは、元の文字列をShift_JISエンコーディングのバイト列に変換します。結果はあなたも書いておられますが、

92 B7 8F 8A 82 C6 92 5A 8F 8A

ですね。上記のコードを取り囲んでいる、new String(..., "ISO8859_1")と言うのは、そのバイト列をISO-8859-1(通称ISO-LATIN1)エンコーディングの文字列としてJavaの内部表現に変換します。

ISO-8859-1

上記のバイト列をISO-8859-1の文字コード表にしたがって変換していくと、

92: <未定義の制御コード>
B7: · (欧文中点)
8F: <未定義の制御コード>
8A: <未定義の制御コード>
82: <未定義の制御コード>
C6: Æ (AとEのリガチャー)
5A: Z (普通のアルファベット大文字Z)
8F: <未定義の制御コード>
8A: <未定義の制御コード>

となります。

<未定義の制御コード>の部分はどんな表示になるか環境依存ということになりますが、それ以外の部分は上記の文字が表示されていないでしょうか。

次のbyte[]bytes = stext.getBytes("ISO8859_1");ではstextの中身の文字列をISO-8859-1エンコーディングのバイト列に変換しています。これは先のnew String(..., "ISO8859_1")の逆操作ですから、その前のバイト列、つまりoriginal.getBytes("Shift-JIS")と同じ結果を返すのは当然、と言うことになります。

文字列の内部表現としてバイト列をそのまま格納するPHP(細かい違いはあるがPythonやRubyも同様)なんかでは、ISO-8859-1としてそのバイト列を解釈させることにより、1文字=1バイトになるので、中身の各バイトを取り出しやすくするためにISO-8859-1に変換するというのはよく知られたテクニックなのですが、それはJavaには通用しません。
 上記のような言語では、文字列処理として文字コード変換をした後、その文字列をそのままファイルに書き出せば文字コード変換が行われますが、Javaでは一旦Java文字列として正しく読み込まれたものに何らかのコード変換を行うようなことはせず、ファイルへの出力の際に出力文字コードを指定することで、文字コード変換を行わせます。(System.outは勝手にプラットフォームのデフォルト文字コードに変換してしまうので、そういう意味では文字コード変換結果の出力には使うべきではないでしょう。)

Java(その他C#やJavaScriptやObjective-CやSwiftや…)とPHP系の文字列の取り扱いはそういう部分では大きく異なります。Javaでコーディングするのであれば、Java流に慣れてください。

1
  • 丁寧なご回答ありがとうございます。なんとなくですが分かってきたと思っています。また文字コードのことなどで分からないことがあれば質問いたします。
    – kazu
    Commented 2017年5月7日 7:25
0

System.outはデフォルトでjava.io.PrintStreamを指しており、PrintStream#printlnメソッドは与えられたString引数をデフォルトのエンコーディングで変換して出力するとあるので、stextが指す文字列をUnicode文字列として変換しているからではないでしょうか?
(データをしては期待通りのものを保持しているが、出力時に変換がかかっている)

この質問に回答するには、ログインする必要があります。

求めていた回答ではありませんか? のタグが付いた他の質問を参照する。