如何獲取用於構造字符串的字節[]？

Question

我有一些編碼爲UTF-8字符串的二進制數據。我怎樣才能從字符串中獲取原始數據？二進制數據沒有特定的字符編碼，所以我不確定什麼轉換會給我想要的。請看下面的小例子：

byte[] input = { -84 }; 
String s = new String(input, Charset.forName("UTF8")); 
System.out.println(Arrays.toString(s.getBytes())); // prints [63] 
System.out.println(Arrays.toString(s.getBytes("UTF8"))); // prints [-17, -65, -67] 

而且我在尋找，讓我回[-84]的方法。

Answer 1

一般來說，你不能。並非所有的字節序列都是有效的UTF-8。因此，數據可能在（容錯）byte[]->char[]->byte[]進程中損壞。

你可以使用，雖然編碼ISO_8859_1，它是一個一對一映射byte<->char

這不是一個罕見的問題。很多老年協議，如HTTP，都是以ISO_8859_1字符爲開頭，或者C的char類型。新版本的規格說它是基於「八位字節」，又名「字節」。如果您的API使用字符串來表示它們，ISO_8859_1通常是更好的選擇。

Answer 2

字節-84（0xAC）本身不是有效的UTF-8字節序列。 （UTF-8僅使用多字節字符序列中的0到127範圍以外的字節來編碼外來字符）。因此，UTF-8解碼器用字符U+FFFD（Unicode「替換字符」）替換輸入字節。 （這可能會在控制檯中顯示爲普通問號。）無法從該字符串中恢復原始字節數組，因爲其他無效字節序列也會解碼爲替換字符。

你可以執行以下操作：

• 解釋二進制數據作爲具有字節和字符之間的1對1映射的字符編碼。 ISO-8859-1是最方便的選擇，因爲它是保證在任何Java實現中可用的六種基本編碼之一，並且具有預定義的StandardCharsets常量。如果存在，任何舊的DOS代碼頁（例如，Charset.forName("CP437")）也將工作。

或

• 推出自己的byte[]到char[]轉換。確切的映射是任意的，可以是任何你喜歡的，只要它是無損的。由於該類型的寬度爲16位，因此可能通過在每個Java中包裝兩個字節來減少內存中每個字符串的大小，但這可能不值得大驚小怪。

或

• Encode the binary data as text，諸如通過Base64。這種編碼本身會使數據變長，但如果字符串獲得額外的編碼，則可以縮短它。

  例如，如果您嘗試將二進制數據作爲參數in a URL傳遞，則對Base64進行編碼是有意義的。取一個長度爲256的字節數組，其中包含每個可能的字節值中的一個（它將用作任何均勻隨機數據，壓縮數據或加密數據的模型）。如果在Base64中使用填充剝離進行編碼並使用修改後的URL安全的Base64字母表，它將佔用342個字符，但在URL編碼並作爲URL查詢參數傳遞時不會再增長或完全更改。然而，被「解碼」的字節數組就像是一個ISO-8859-1字符串一樣，只需要256個字符，但當它被放到一個URL中時，它會變成肥胖的634個字符，因爲URL編碼是針對純文本，而不是二進制數據。

或

• 避免將二進制數據作爲在第一位置的字符串。如果可能的話，直接使用字節數組。如果您的目的是獲取字符串數據的字符串特性（例如不變性和indexOf搜索），則更好地爲數組創建封裝類。