java - 为什么 US-ASCII 编码接受非 US-ASCII 字符？

Question

考虑以下代码:

public class ReadingTest {

    public void readAndPrint(String usingEncoding) throws Exception {
        ByteArrayInputStream bais = new ByteArrayInputStream(new byte[]{(byte) 0xC2, (byte) 0xB5}); // 'micro' sign UTF-8 representation
        InputStreamReader isr = new InputStreamReader(bais, usingEncoding);
        char[] cbuf = new char[2];
        isr.read(cbuf);
        System.out.println(cbuf[0]+" "+(int) cbuf[0]);
    }

    public static void main(String[] argv) throws Exception {
        ReadingTest w = new ReadingTest();
        w.readAndPrint("UTF-8");
        w.readAndPrint("US-ASCII");
    }
}

观察到的输出:

µ 181
? 65533

为什么第二次调用 readAndPrint()(使用 US-ASCII 的)会成功？我希望它会抛出错误，因为输入不是此编码中的正确字符。强制执行此行为的 Java API 或 JLS 中的什么位置？

Answer 1

在输入流中找到不可解码字节时的默认操作是用 Unicode 字符替换它们 U+FFFD REPLACEMENT CHARACTER .

如果你想改变它，你可以传递 CharacterDecoder to the InputStreamReader它有一个不同的 CodingErrorAction配置:

CharsetDecoder decoder = Charset.forName(usingEncoding).newDecoder();
decoder.onMalformedInput(CodingErrorAction.REPORT);
InputStreamReader isr = new InputStreamReader(bais, decoder);