Java:不同的byte[]在utf8中具有相同的字符串

Question

有两个不同的字节数组。当我从 byte[] 获取字符串时。当我使用 utf8 时，它们具有相同的值。当我使用 ISO-8859-1 时正好相反。

    byte[] valueFir = new byte[]{0, 1, -79};
    byte[] valueSec = new byte[]{0, 1, -80};

    Charset CHARSET = Charset.forName("ISO-8859-1");
    Charset UTF8SET = Charset.forName("UTF-8");
    Charset[] list = new Charset[]{CHARSET, UTF8SET};

    for(int i=0; i<list.length; i++){

        String fir = new String(valueFir,list[i]);
        String sec = new String(valueSec,list[i]);

        Assert.assertNotEquals(fir,sec);
    }

第一个断言为 true，第二个断言为失败。原因是什么？

Answer 1

如果你看Javadoc for the String constructor that you're using ，它说

This method always replaces malformed-input and unmappable-character sequences with this charset's default replacement string.

现在，在 UTF8 中，字节 -79 和 -80 不会映射到单个字符。所以你的两个字节数组在 UTF8 中都没有意义。而且因为它们是不可映射的，所以您只需获得默认的 String 两次。然后，您的 assertNotEquals 会将默认的 String 与其自身进行比较。

但是，您的字节数组在 ISO-8859-1 中非常有意义，并且会转换为两个不同的 String 值。