从US-ASCII编码的字符串中获取UTF-8编码

Question

我有一个用UTF-8编码的字符串“Château”，它被转换为“ Ch ?? teau”（在我的应用程序的基本库中）为US-ASCII格式。

现在，我想从“ U-ASCII”转换后的字符串“ Ch ?? teau”中获取原始字符串“Château”。 但是，我无法使用下面的代码来得到它。

StringBuilder masterBuffer = new StringBuilder();
byte[] rawDataBuffer = (Read from InputStream) // say here it is "Château"
String rawString = new String(rawDataBuffer, "UTF-8");
masterBuffer.append(rawString);
onMessageReceived(masterBuffer.toString().getBytes()) => Here, getBytes() uses the platform's default charset 'US-ASCII.

我的应用程序收到了US-ASCII编码的字节数组。 在应用程序方面，即使我尝试从中获取UTF-8字符串，也没有用。 转换尝试仍给出“ Ch ?? teau”。

String asciiString = "Ch??teau";
String originalString = new String(asciiString.getBytes("UTF-8"), "UTF-8");
System.out.println("orinalString: " + originalString);

“ originalString”的值仍为“ Ch ?? teau”。

这是正确的方法吗？

谢谢，

Answer 1

你不能 通过转换为US-ASCII，您丢失了信息。 您无法找回丢失的东西。

Answer 2

您的代码正在接收UTF-8编码的字节数组，将其正确转换为Java String ，然后将其转换为ASCII编码的字节数组。 ASCII不支持Ã和¢字符，这就是为什么将它们转换为? 。 转换完成后，将无法返回。 ASCII是UTF-8的子集， ? 在ASCII中也是? 在UTF-8中。

解决方案是从一开始就停止转换为ASCII。 您应该改回为UTF-8：

StringBuilder masterBuffer = new StringBuilder();
byte[] rawDataBuffer = ...; // Read from InputStream
String rawString = new String(rawDataBuffer, "UTF-8");
masterBuffer.append(rawString);
onMessageReceived(masterBuffer.toString().getBytes("UTF-8"));

至少以这种方式，对于真正的ASCII字符，接收者将永远不会知道区别（因为ASCII是UTF-8的子集），并且不再会丢失非ASCII字符。 接收者只需要知道期望使用UTF-8而不是ASCII。 并且，您的代码将更加可移植，因为您将不再依赖于特定于平台的默认字符集（默认情况下，并非所有平台都使用ASCII）。

当然，在您的示例中，您的StringBuilder是多余的，因为您没有在其中添加任何其他内容，因此您可以删除它：

byte[] rawDataBuffer = ...; // Read from InputStream
String rawString = new String(rawDataBuffer, "UTF-8");
onMessageReceived(rawString.getBytes("UTF-8"));

然后， String变得多余：

byte[] rawDataBuffer = ...; // Read from InputStream
onMessageReceived(rawDataBuffer);

如果onMessageReceived()希望将字节作为输入，为什么还要浪费额外的开销将字节转换为String再转换为字节呢？