用不同的編碼編碼時，兩個不同的字符串可以具有相同的字節序列嗎？

用不同的編碼編碼的兩個不同的字符串可以有相同的字節序列嗎？當使用兩種不同的編碼（Cp1252和UTF-8僅僅是示例）進行編碼時，下面的例子中的一些「字符串1」和「字符串2」將導致測試通過？用不同的編碼編碼時，兩個不同的字符串可以具有相同的字節序列嗎？

import java.io.UnsupportedEncodingException; 
import java.util.Arrays; 

import org.junit.Assert; 
import org.junit.Test; 

public class EncodingTest { 
    @Test 
    public void test() throws UnsupportedEncodingException { 
     final byte[] sequence1 = "string one".getBytes("Cp1252"); 
     final byte[] sequence2 = "string two".getBytes("UTF-8"); 
     Assert.assertTrue(Arrays.equals(sequence1, sequence2)); 
    } 
}

在我的代碼中的錯誤散列從JVM的默認編碼字符串生成的字節序列，我需要驗證是否當代碼與不同的字符串和不同的JVM文件編碼運行，將導致哈希衝突（可例如，在Windows和Linux上運行時發生）。

由於編碼是字節序列和字符之間的映射，我認爲可能有一些字符串和編碼通過上述測試。但只是想知道是否有任何衆所周知的例子或一些很好的理由，爲什麼我不應該依賴沒有發生散列衝突。

感謝

PS：這僅僅是通過JDK 1.6支持的編碼，而不是由一些彌補的。

來源

2012-07-20 srb

使用「默認編碼」往往是..懷疑。 – 2012-07-20 02:01:33

請注意，這個問題是要求*反*什麼答案是響應;如果兩個相同的**字符串具有不同的編碼可以生成相同的字節序列*，那麼它不是要求具有不同編碼的兩個**不同**字符串能夠生成相同的字節序列*。（更具體地說，如果存在這種碰撞的「已知情況」）。 – 2012-07-20 02:03:29

爲什麼散列碰撞很重要？哈希碼不需要是唯一的。 – jtahlborn 2012-07-20 03:23:28

是的。舉一個簡單的例子，編碼爲ISO-8859-1的字符串「¡」（倒置的感嘆號）和字符串「Ą」（大寫字母A與字母編碼）編碼爲ISO-8859-2都成爲單字節序列A1（十六進制）。當使用將字符映射到單個字節的非常簡單的編碼時，或多或少會發生這種情況;否則它們不會是不同的編碼。當涉及更復雜的編碼方案時，它肯定會發生。

來源

2012-07-20 04:47:11

下面是一個簡單的例子：大多數代碼頁和UTF-8共享ASCII編碼（0x00 = 0x7F）。如果你的文本是純英文的，那麼很有可能它是ASCII格式 - 不管聲明的編碼是什麼，因爲它會使用大多數普通的非重音字符。

來源

2012-07-20 01:40:28 dda

這是如何導致兩個不同的輸入字符串以getBytes（）的相同字節結束的？ – 2012-07-20 02:01:53

如果源字符串是支持多字節字符的編碼，而目標編碼是不支持多字節字符的編碼，那麼由於多字節字符需要映射到單字節字符集。

例如，如果輸入字符串是用中文書寫的，而目標字符集是US-ASCII，則許多中文字符肯定會映射到相同的US-ASCII表示。

來源

2012-07-20 01:43:14

是的，至少對於不同長度的琴絃是可能的。

字符串"\u2020"（或"†"）以UTF-16編碼爲0x20,0x20。這也是ASCII碼中的"\x20\x20"（兩個ASCII空格的字符串）編碼的結果。

當然，The Dagger，經常沒有用語言表達[=^_^=]，但是一些標準的[非拉丁字母]字母可以生成類似的字節序列，映射到標準（非對照字符）ASCII編碼..以及更多如果有關控制字符的限制放寬。

這將是更有趣的尋找到兩個類似的「現實主義」的字符串（例如相同的長度和「敏感數據」）可以映射到不同編碼相同的字節序列的情況下..

來源

2012-07-20 02:10:44

此代碼最終應生成一個示例：

while(true){ 
     Random r = new Random(); 
     byte[] bytes = new byte[4]; 
     r.nextBytes(bytes); 
     try{ 
      String raw = Arrays.toString(bytes); 
      String utf8 = new String(bytes, "UTF-8"); 
      String latin1 = new String(bytes, "ISO-LATIN-1"); 
      System.out.println(raw + " is " + utf8 + " or " + latin1); 
      break; 
     }catch(Exception e){} 
    }

來源

2012-07-20 02:13:01

用不同的編碼編碼時，兩個不同的字符串可以具有相同的字節序列嗎？

回答

相關問題