java - 为什么Java的CharsetEncoder定义.onMalformedInput()/CharsetDecoder定义.onUnmappableCharacter()？

Question

A CharsetDecoder基本上有助于将 bytes 序列解码为 char 序列(参见 Charset#newDecoder() )。在对面，一个CharsetEncoder (参见 Charset#newEncoder())相反:采用 char 序列，并将它们编码为 byte 序列。

CharsetDecoder 定义了 .onMalformedInput() 并且看起来合乎逻辑(某些字节序列可能无法转换为有效的 char 序列)；但是为什么 .onUnmappableCharacter() 因为它的输入是一个字节序列呢？

类似地，CharsetEncoder 定义了 .onUnmappableCharacter()，这又是合乎逻辑的(例如，如果您的字符集是 ASCII，则不能编码 ö);但为什么它还定义了 .onMalformedInput() 因为它的输入是一个字符序列？

更有趣的是，您无法从解码器获得编码器，反之亦然，而且这两个类似乎都没有共同的祖先...

---

编辑 1

确实可以在 CharsetEncoder 上触发 .onMalformedInput()。您“只需”提供非法的 char 或 char 序列。下面的程序依赖于这样一个事实，即在 UTF-16 中，高代理项必须跟在低代理项之后；此处，使用两个高代理项构建了一个二元素 char 数组，并尝试对其进行编码。 注意从这样一个格式错误的字符序列创建一个String是如何完全不抛出异常的:

代码:

public static void main(final String... args)
    throws CharacterCodingException
{
    boolean found = false;
    char c = '.';

    for (int i = 0; i < 65536; i++) {
        if (Character.isHighSurrogate((char) i)) {
            c = (char) i;
            found = true;
            break;
        }
    }
    if (!found)
        throw new IllegalStateException();

    System.out.println("found: " + Integer.toHexString(c));
    final char[] foo = { c, c };

    new String(foo); // <-- DOES NOT THROW AN EXCEPTION!!!

    final CharsetEncoder encoder = StandardCharsets.UTF_8.newEncoder()
        .onMalformedInput(CodingErrorAction.REPORT);

    encoder.encode(CharBuffer.wrap(foo));
}

输出:

found: d800
Exception in thread "main" java.nio.charset.MalformedInputException: Input length = 1
    at java.nio.charset.CoderResult.throwException(CoderResult.java:277)
    at java.nio.charset.CharsetEncoder.encode(CharsetEncoder.java:798)
    at com.github.fge.largetext.LargeText.main(LargeText.java:166)

---

EDIT 2 但是现在，反过来呢？从下面@Kairos 的回答中引用联机帮助页:

UnmappableCharacterException - If the byte sequence starting at the input buffer's current position cannot be mapped to an equivalent character sequence and the current unmappable-character action is CodingErrorAction.REPORT

现在，什么是“无法映射到等效字符序列”？

我在 this project 中经常使用 CharsetDecoder并且还没有产生这样的错误。我知道如何重现错误，例如，三字节 UTF-8 序列中只有两个字节，但这会触发 MalformedInputException。在这种情况下，您所要做的就是从 ByteBuffer 的最后已知位置重新开始解码。

触发 UnmappableCharacterException 基本上意味着 字符编码本身 将允许生成非法的 char；或非法的 Unicode 代码点。

这可能吗？

Answer 1

根据 CharsetEncoder.encode() 的文档它声明它抛出 MalformedInputException

If the character sequence starting at the input buffer's current position is not a legal sixteen-bit Unicode sequence and the current malformed-input action is CodingErrorAction.REPORT

因此，您可以选择提供 CodingErrorAction利用onMalformedInput因此，如果您遇到这些非法的 16 位 Unicode 序列之一，将执行提供的操作。

同样适用于 CharsetDecoder.decode()

UnmappableCharacterException - If the byte sequence starting at the input buffer's current position cannot be mapped to an equivalent character sequence and the current unmappable-character action is CodingErrorAction.REPORT