如何在 java 中准確獲取 UTF-8 字符串？

Question

我想從下面的代碼中獲取 UTF-8 字符串：

String tmpStr= "ALMS_à¸à¸±à¹à¸à¸à¸­à¸à¸¥à¸à¸à¸°à¹à¸à¸µà¸¢à¸.pdf";
String fileName = new String(tmpStr.getBytes(), Charset.forName("UTF_8"));

但是當我調試時，fileName 的錯誤值如下：ALMS_�?ั�?�?�?อ�?ล�?�?ะ�?�?ีย�?.pdf

當我在線測試轉換時，它工作正常：

任何人都可以幫我解決問題嗎？ 謝謝。 我正在使用 eclipse 編碼 java 並在其中配置編碼 UTF-8 。

Answer 1

不知道你從哪里得到初始字符串，但是 Java 內部使用 UTF-16 來表示字符串。

當您需要serialize字符串以通過連接傳輸、將其存儲在數據庫中、將其打印在文本文件中或在網頁上時，使用編碼是有意義的。

傳輸/存儲/打印的是所選編碼中字符串的字節數組表示。

通過連接、文件或數據庫接收/讀取值時也是如此。 您需要以正確的編碼解釋字節。

String 提供了一個getBytes()方法，該方法使用平台默認編碼獲取 String 的表示形式，不推薦使用，因為它使代碼依賴於平台。 您可以使用字符串、 getBytes("UTF-8")或字符集來提供編碼。 由於 Java 1.7， StandardCharsets字符集 class 為必須支持 JVM 的編碼提供了快捷方式，因此您可以使用getBytes(StandardCharsets.UTF_8) 。

現在，您的代碼應該是這樣的：

String tmpStr= "ALMS_à¸à¸±à¹à¸à¸à¸­à¸à¸¥à¸à¸à¸°à¹à¸à¸µà¸¢à¸.pdf";  
String fileName = new String(tmpStr.getBytes(StandardCharsets.UTF_8), StandardCharsets.UTF_8);

但這不會產生您期望的字符串，只會獲得 tmpStr 的 UTF-8 字節表示，並創建一個讀取 UTF-8 字節表示的新字符串表示。 因此，在此之后您可以斷言tmpStr等於filename 。

我懷疑您暴露的問題與您從哪里讀取 tmpStr 值以及首先使用什么編碼將其轉換為字符串有關。