Java 字符串编码 (UTF-8)

Question

我遇到了这行遗留代码，我正在努力弄清楚:

String newString = new String(oldString.getBytes("UTF-8"), "UTF-8"));

据我了解，它是使用相同的字符集进行编码和解码。

这与下面的有何不同？

String newString = oldString;

是否存在两条线输出不同的情况？

附注:澄清一下，是的，我知道 excellent article on encoding by Joel Spolsky !

Answer 1

这可能会很复杂

String newString = new String(oldString);

这缩短了字符串，因为使用的底层 char[] 更长。

但更具体地说，它将检查每个字符是否可以使用 UTF-8 编码。

您可以在字符串中包含一些无法编码的“字符”，这些字符将变成 ?

\uD800 到\uDFFF 之间的任何字符都无法编码​​，会变成'?'

String oldString = "\uD800";
String newString = new String(oldString.getBytes("UTF-8"), "UTF-8");
System.out.println(newString.equals(oldString));

打印

false