[英]How to detect encoding mismatch
我有一堆旧的 AES 加密字符串,大致如下加密:
现在我想将新值的编码更改为 UTF8(例如,'€' 不适用于 ISO-8859-1)。 如果我尝试使用 UTF-8 编码解密旧的 ISO-8859-1 编码值,这当然会导致问题:
org.junit.ComparisonFailure: expected:<!#[¤%&/()=?^*ÄÖÖÅ_:;>½§@${[]}<|'äöå-.,+´¨]'-Lorem ipsum dolor ...> but was:<!#[�%&/()=?^*����_:;>��@${[]}<|'���-.,+��]'-Lorem ipsum dolor ...>
我正在考虑为此创建一些自动编码后备。
所以主要的问题是检查解密的 char 数组中的“�”字符是否足以找出编码不匹配? 比较时声明“�”符号的“正确”方式是什么?
if (new String(utf8decryptedCharArray).contains("�")) {
// Revert to doing the decrypting with ISO-8859-1
decryptAsISO...
}
解密时,您会取回原始字节序列(步骤 1 的结果),然后您只能根据 ISO-8859-1 或 UTF-8 编码猜测这些字节表示字符。
从一个字节序列中,没有办法清楚地说明它是如何解释的。
一些想法:
EF BB BF
)在 ISO-8859-1 中并不是严格非法的(读作
),但它们极不可能。 然后,当您的解密字节以EF BB BF
开头时,使用 UTF-8 解码为字符串,否则使用 ISO-8859-1。 尽管如此,仍然存在非零错误概率。如果可能的话,我会使用 go 来迁移现有条目。 否则,您将不得不在您的代码库中永远使用“旧格式兼容性的东西”,并且仍然不能绝对保证正确的行为。
将字节解码为文本时,不要依赖 �
字符来检测格式错误的输入。 使用严格的解码器。 这是一个辅助方法:
static String decodeStrict(byte[] bytes, Charset charset) throws CharacterCodingException {
return charset.newDecoder()
.onMalformedInput(CodingErrorAction.REPORT)
.onUnmappableCharacter(CodingErrorAction.REPORT)
.decode(ByteBuffer.wrap(bytes))
.toString();
}
下面是对应的严格编码器辅助方法,以备不时之需:
static byte[] encodeStrict(String str, Charset charset) throws CharacterCodingException {
ByteBuffer buf = charset.newEncoder()
.onMalformedInput(CodingErrorAction.REPORT)
.onUnmappableCharacter(CodingErrorAction.REPORT)
.encode(CharBuffer.wrap(str));
byte[] bytes = buf.array();
if (bytes.length == buf.limit())
return bytes;
return Arrays.copyOfRange(bytes, 0, buf.limit());
}
由于 ISO-8859-1 允许所有字节,因此您不能使用它来检测格式错误的输入。 然而 UTF-8 正在验证,因此它很可能检测到格式错误的输入。 然而,它不是 100% 保证的,但它是我们能做到的最好的。
因此,尝试使用严格的 UTF-8 进行解码,如果失败则回退到 ISO-8859-1:
static String decode(byte[] bytes) {
try {
return decodeStrict(bytes, StandardCharsets.UTF_8);
} catch (CharacterCodingException e) {
return new String(bytes, StandardCharsets.ISO_8859_1);
}
}
测试
System.out.println(decode("señor".getBytes(StandardCharsets.ISO_8859_1))); // prints: señor
System.out.println(decode("señor".getBytes(StandardCharsets.UTF_8))); // prints: señor
System.out.println(decode("€100".getBytes(StandardCharsets.UTF_8))); // prints: €100
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.