java - java getBytes 与 getBytes(charset) 的奇怪行为

Question

考虑以下几点:

public static void main(String... strings) throws Exception {
    byte[] b = { -30, -128, -94 };

    //section utf-32
    String string1 = new String(b,"UTF-32");
    System.out.println(string1);   //prints ?
    printBytes(string1.getBytes("UTF-32")); //prints 0 0 -1 -3 
    printBytes(string1.getBytes());  //prints 63

    //section utf-8
    String string2 = new String(b,"UTF-8"); 
    System.out.println(string2);  // prints •
    printBytes(string2.getBytes("UTF-8"));  //prints -30 -128 -94 
    printBytes(string2.getBytes());  //prints -107 
}

public static void printBytes(byte[] bytes){
    for(byte b : bytes){
        System.out.print(b +  " " );
    }

    System.out.println();
}

输出:

?
0 0 -1 -3 
63 
•
-30 -128 -94 
-107 

所以我有两个问题:

1. 在两个部分中:为什么输出 getBytes() 和 getBytes(charSet) 是不同的，即使我已经特别提到了字符串的字符集
2. 为什么 utf-32 部分中 getByte 的两个字节输出与实际的 byte[] b 不同？ (即如何将字符串转换回其原始字节数组？)

Answer 1

问题一:

in both sections : why the output getBytes() and getBytes(charSet) are different even though I have specifically mentioned the string's charset

您指定的字符集在字符串到字节数组的字符编码期间使用(即仅在方法本身中)。它不是 String 实例本身的一部分。您没有为字符串设置字符集，字符集没有被存储。

Java没有字符集的内部字节编码；它在内部使用 char 数组。如果您在未指定字符集的情况下调用 String.getBytes()，它将使用平台默认值 - 例如Windows 机器上的 Windows-1252。

---

问题二:

why both of the byte outputs of getByte in section utf-32 are different from the actual byte[] b? (i.e. how can I convert back a string to its original byte array?)

你不能总是这样做。并非所有字节都代表有效的字符编码。因此，如果这样的编码数组被解码，那么这些类型的编码将被默默地忽略，即字节被简单地跳过。

这已经发生在 String string1 = new String(b,"UTF-32"); 和 String string2 = new String(b,"UTF-8");.

您可以使用 CharsetDecoder 的实例更改此行为, 使用 Charset.newDecoder 检索.

---

如果您想将一个随机字节数组编码为一个字符串实例，那么您应该使用十六进制或base 64。 编码器。你不应该为此使用字符解码器。