CKTIS / Java
Charset — kódování a dekódování textu
java.nio.charset.Charset popisuje mapování mezi kódovými jednotkami Unicode a bajty. Zjistěte, jak Charset.forName vybere kódování a jak vytvořit dekodér a kodér s explicitním zpracováním chyb.
Verze: Java SE 21; repository runtime, production runtime not attested
Syntaxe
Charset cs = Charset.forName("UTF-8");
CharsetDecoder decoder = cs.newDecoder();
CharsetEncoder encoder = cs.newEncoder();java.nio.charset.Charset popisuje pojmenované mapování mezi sekvencemi 16bitových kódových jednotek Unicode a bajty. Dekódování převádí bajty na znaky, kódování převádí znaky na bajty. Kódování musí odpovídat formátu dat; nesprávná volba může vytvořit chybný text, aniž by byla oznámena chyba.
Charset.forName("UTF-8") vyhledá kódování podle názvu nebo aliasu a nerozlišuje přitom velikost písmen. Neplatný název způsobí IllegalCharsetNameException, nepodporované kódování pak UnsupportedCharsetException. Pro pevně dané kódování lze použít StandardCharsets.UTF_8.
Charset.newDecoder() vytvoří CharsetDecoder, který převádí ByteBuffer na CharBuffer. Pokud objekt Charset podporuje kódování, Charset.newEncoder() vytvoří CharsetEncoder pro opačný směr. Některé objekty Charset podporují pouze dekódování: pokud canEncode() vrátí false, newEncoder() vyvolá výjimku UnsupportedOperationException. Objekt Charset je neměnný a lze jej bezpečně sdílet mezi vlákny, kodéry a dekodéry však nejsou bezpečné při souběžném použití více vlákny.
Nové kodéry a dekodéry ve výchozím nastavení používají CodingErrorAction.REPORT pro chybný vstup a znaky, které nelze namapovat. Jejich jednoargumentové metody encode a decode proto mohou vyvolat CharacterCodingException. Pomocné metody Charset.encode a Charset.decode naproti tomu problematická data nahrazují. Pomocí onMalformedInput a onUnmappableCharacter lze výslovně zvolit způsob zpracování chyb.
Příklad zakóduje caf\u00e9 jako UTF-8 a výsledek dekóduje. Ověří počet bajtů a shodu textu, aniž by závisel na způsobu zobrazení znaků v terminálu. Výsledek kódování je již připravený ke čtení; před dekódováním na něm nevolejte flip().
Příklady
import java.nio.ByteBuffer;
import java.nio.CharBuffer;
import java.nio.charset.CharacterCodingException;
import java.nio.charset.Charset;
public class CharsetDemo {
public static void main(String[] args) throws CharacterCodingException {
Charset cs = Charset.forName("UTF-8");
String text = "caf\u00e9";
ByteBuffer bytes = cs.newEncoder().encode(CharBuffer.wrap(text));
System.out.println("bytes=" + bytes.remaining());
String decoded = cs.newDecoder().decode(bytes).toString();
System.out.println("roundTrip=" + text.equals(decoded));
}
}Výsledek
bytes=5 roundTrip=true
Zobrazený kód a uvedený výsledek byly ověřeny v izolovaném prostředí metodou zaznamenanou v dokladu o ověření této přesné verze.