從US-ASCII編碼的字符串中獲取UTF-8編碼

Question

我有一個用UTF-8編碼的字符串“Château”，它被轉換為“ Ch ?? teau”（在我的應用程序的基本庫中）為US-ASCII格式。

現在，我想從“ U-ASCII”轉換后的字符串“ Ch ?? teau”中獲取原始字符串“Château”。 但是，我無法使用下面的代碼來得到它。

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.

我的應用程序收到了US-ASCII編碼的字節數組。 在應用程序方面，即使我嘗試從中獲取UTF-8字符串，也沒有用。 轉換嘗試仍給出“ Ch ?? teau”。

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

“ originalString”的值仍為“ Ch ?? teau”。

這是正確的方法嗎？

謝謝，

Answer 1

你不能 通過轉換為US-ASCII，您丟失了信息。 您無法找回丟失的東西。

Answer 2

您的代碼正在接收UTF-8編碼的字節數組，將其正確轉換為Java String ，然后將其轉換為ASCII編碼的字節數組。 ASCII不支持Ã和¢字符，這就是為什么將它們轉換為? 。 轉換完成后，將無法返回。 ASCII是UTF-8的子集， ? 在ASCII中也是? 在UTF-8中。

解決方案是從一開始就停止轉換為ASCII。 您應該改回為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"));

至少以這種方式，對於真正的ASCII字符，接收者將永遠不會知道區別（因為ASCII是UTF-8的子集），並且不再會丟失非ASCII字符。 接收者只需要知道期望使用UTF-8而不是ASCII。 並且，您的代碼將更加可移植，因為您將不再依賴於特定於平台的默認字符集（默認情況下，並非所有平台都使用ASCII）。

當然，在您的示例中，您的StringBuilder是多余的，因為您沒有在其中添加任何其他內容，因此您可以刪除它：

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

然后， String變得多余：

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

如果onMessageReceived()希望將字節作為輸入，為什么還要浪費額外的開銷將字節轉換為String再轉換為字節呢？