java - java中如何准确获取UTF-8字符串？

Question

我想从下面的代码中获取 UTF-8 字符串:

String tmpStr= "ALMS_à¸à¸±à¹à¸à¸à¸­à¸à¸¥à¸à¸à¸°à¹à¸à¸µà¸¢à¸.pdf";
String fileName = new String(tmpStr.getBytes(), Charset.forName("UTF_8"));

但是当我调试时，fileName 的值错误如下:ALMS_??????????????????????????????????????.pdf

当我在线测试转换时，它工作正常:

谁能帮我解决这个问题吗？谢谢。我正在使用 eclipse 编写 java 代码，并在其中配置编码 UTF-8。

Answer 1

不知道你从哪里得到初始字符串，但 Java 内部使用 UTF-16 来表示字符串。

当您需要序列化字符串以通过连接传输、将其存储在数据库中、在文本文件中打印或在网页上打印时，使用编码是有意义的。

传输/存储/打印的是所选编码中字符串的字节数组表示形式。

通过连接、文件或数据库接收/读取值时也是如此。您需要以正确的编码解释字节。

String 提供了一个 getBytes() 方法，该方法使用平台默认编码获取 String 的表示形式，不推荐这样做，因为它使代码依赖于平台。您可以使用字符串、getBytes("UTF-8") 或字符集来提供编码。从 Java 1.7 开始，StandardCharsets 类为必须支持 JVM 的编码提供了快捷方式，因此您可以使用 getBytes(StandardCharsets.UTF_8)。

现在，您的代码应该是这样的:

String tmpStr= "ALMS_à¸à¸±à¹à¸à¸à¸­à¸à¸¥à¸à¸à¸°à¹à¸à¸µà¸¢à¸.pdf";  
String fileName = new String(tmpStr.getBytes(StandardCharsets.UTF_8), StandardCharsets.UTF_8);

但这不会产生您期望的字符串，这只会获取 tmpStr 的 UTF-8 字节表示形式，并创建一个新的字符串表示形式来读取该 UTF-8 字节表示形式。因此，在此之后，您可以断言 tmpStr 等于 filename。

我怀疑您所暴露的问题与您从哪里读取 tmpStr 值以及首先使用什么编码将其转换为字符串有关。