字符串字节编码问题

Question

鉴于我有以下功能

static void fun(String str) {
        System.out.println(String.format("%s | length in String: %d | length in bytes: %d | bytes: %s", str, str.length(), str.getBytes().length, Arrays.toString(str.getBytes())));
    }

调用fun("ó"); 它的输出是

ó | length in String: 1 | length in bytes: 2 | bytes: [-61, -77]

所以这意味着字符 ó 需要 2 个字节来表示，并且根据 Character 类文档，Java 中的默认值也是 UTF-16，考虑到当我执行以下操作时

System.out.println(new String("ó".getBytes(), StandardCharsets.UTF_16));// output=쎳
System.out.println(new String("ó".getBytes(), StandardCharsets.ISO_8859_1));// output=ó
System.out.println(new String("ó".getBytes(), StandardCharsets.US_ASCII));// output=��
System.out.println(new String("ó".getBytes(), StandardCharsets.UTF_8));// output=ó
System.out.println(new String("ó".getBytes(), StandardCharsets.UTF_16BE));// output=쎳
System.out.println(new String("ó".getBytes(), StandardCharsets.UTF_16LE));// output=돃

为什么任何 UTF_16、UTF_16BE、UTF_16LE 字符集都无法正确解码字节，因为字节代表 16 位长度的字符？ 以及 UTF-8 如何正确解码它，因为 UTF-8 认为每个字符只有 8 位长，所以它应该像 ISO_8859_1 一样打印 2 个字符（每个字节 1 个字符）。

Answer 1

getBytes始终返回以平台默认字符集编码的字节，这对您来说可能是 UTF-8。

使用平台的默认字符集将此 String 编码为字节序列，并将结果存储到新的字节数组中。

因此，您实际上是在尝试使用非 UTF-8 字符集解码一堆 UTF-8 字节。 难怪你没有得到预期的结果。

虽然有点无意义，但您可以通过将所需的字符集传递给getBytes来获得所需的内容，以便正确编码字符串。

    System.out.println(new String("ó".getBytes(StandardCharsets.UTF_16), StandardCharsets.UTF_16));
    System.out.println(new String("ó".getBytes(StandardCharsets.ISO_8859_1), StandardCharsets.ISO_8859_1));
    System.out.println(new String("ó".getBytes(StandardCharsets.US_ASCII), StandardCharsets.US_ASCII));
    System.out.println(new String("ó".getBytes(StandardCharsets.UTF_8), StandardCharsets.UTF_8));
    System.out.println(new String("ó".getBytes(StandardCharsets.UTF_16BE), StandardCharsets.UTF_16BE));
    System.out.println(new String("ó".getBytes(StandardCharsets.UTF_16LE), StandardCharsets.UTF_16LE));

您似乎也对编码有一些误解。 这不仅仅是一个字符占用的字节数。 两种编码的每个字符的字节数相同并不意味着它们彼此兼容。 此外，在 UTF-8 中每个字符并不总是一个字节。 UTF-8是一种可变长度编码。