CKTIS / Java
Text in Bytes kodieren und Bytes dekodieren in Java
Wähle einen Zeichensatz ausdrücklich, um Text aus Bytes wiederherzustellen und reproduzierbare Eingaben für einen Hash zu erzeugen. Erfahre, wann fehlerhafte Eingaben ersetzt werden.
Version: Java SE 21
Syntax
import java.nio.charset.Charset;
import java.nio.charset.StandardCharsets;
Charset charset = StandardCharsets.UTF_8;
byte[] bytes = text.getBytes(charset); // String -> byte[]
String decoded = new String(bytes, charset); // byte[] -> StringDie Überladung getBytes(Charset) von String.getBytes kodiert Text in ein neues byte[]. Der Konstruktor String(byte[],Charset) macht das Gegenteil: new String(bytes, charset) dekodiert das gesamte Array zu einem neuen String. String.length() zählt UTF-16-Codeeinheiten, bytes.length dagegen Bytes.
Verwende den Zeichensatz, den das Format oder Protokoll vorgibt. Für UTF-8 gibt es StandardCharsets.UTF_8, eine Charset-Konstante aus java.nio.charset, die jede Java-Implementierung unterstützt. getBytes() und new String(bytes) verwenden den Standardzeichensatz der JVM: in Java SE 21 UTF-8, sofern er nicht implementierungsspezifisch geändert wurde. Überladungen mit einem Zeichensatznamen als String werfen bei nicht unterstützten Namen UnsupportedEncodingException. Das veraltete getBytes(int,int,byte[],int) kopiert nur die unteren acht Bits jedes char; es ist kein Textkodierer.
Die Überladungen mit Charset ersetzen fehlerhafte oder nicht abbildbare Sequenzen. Beim Kodieren setzen sie die Standard-Ersatzbytes des Zeichensatzes ein, beim Dekodieren dessen Standard-Ersatzzeichenfolge. Um beide Fehlerarten zurückzuweisen, verwende CharsetEncoder oder CharsetDecoder mit CodingErrorAction.REPORT. Bei der Verarbeitung eines ganzen Puffers in einem Aufruf führen solche Fehler zu CharacterCodingException. Erfolgreiches Dekodieren beweist nicht, dass der Zeichensatz stimmt.
Um zu prüfen, ob die Umwandlung verlustfrei ist, verwende zum Kodieren und Dekodieren denselben Zeichensatz und vergleiche den dekodierten String mit dem Original. Kodieren ohne Ersatz reicht nicht aus: Bei manchen Zeichensätzen können die Bytes eines Zeichens beim Dekodieren ein anderes Zeichen ergeben. SHA-256 hasht Bytes, keinen Text: Lege sowohl den Zeichensatz als auch die genaue Textform fest, einschließlich Zeilenenden und Unicode-Normalisierung. Dekodiere die Hash-Bytes nicht als Text, sondern zeige sie hexadezimal an.
Beispiele
import java.nio.charset.Charset;
import java.nio.charset.StandardCharsets;
import java.security.MessageDigest;
import java.security.NoSuchAlgorithmException;
import java.util.Arrays;
public class StringEncodingDemo {
public static void main(String[] args) throws NoSuchAlgorithmException {
Charset utf8 = StandardCharsets.UTF_8;
String text = "x".repeat(39) + "\u00E9";
byte[] utf8Bytes = text.getBytes(utf8);
String decoded = new String(utf8Bytes, utf8);
byte[] latin1Bytes = text.getBytes(StandardCharsets.ISO_8859_1);
MessageDigest sha256 = MessageDigest.getInstance("SHA-256");
byte[] originalDigest = sha256.digest(utf8Bytes);
byte[] decodedDigest = sha256.digest(decoded.getBytes(utf8));
System.out.println("utf16Units=" + text.length());
System.out.println("utf8Bytes=" + utf8Bytes.length);
System.out.println("latin1Bytes=" + latin1Bytes.length);
System.out.println("roundTrip=" + text.equals(decoded));
System.out.println("sameSha256AfterRoundTrip=" + Arrays.equals(originalDigest, decodedDigest));
}
}Ergebnis
utf16Units=40 utf8Bytes=41 latin1Bytes=40 roundTrip=true sameSha256AfterRoundTrip=true
39 Zeichen `x` und ein `é` ergeben 40 UTF-16-Codeeinheiten und 41 UTF-8-Bytes. ISO-8859-1 benötigt für denselben Text 40 Bytes. Durch Dekodieren und erneutes Kodieren mit UTF-8 entstehen dieselben Bytes und damit derselbe SHA-256-Wert.
Zugehörige Lektionen
- Java · Lektion 62 · Fortgeschritten · Version: 2
- Java · Lektion 63 · Fortgeschritten · Version: 2
Quellen
- Java SE 21 API — String(byte[], Charset)
- Java SE 21 API — String.getBytes(Charset) and other overloads
- Java SE 21 API — StandardCharsets.UTF_8
- Java SE 21 API — Charset.defaultCharset()
- Java SE 21 API — CharsetEncoder
- Java SE 21 API — CharsetDecoder
- Java SE 21 API — CodingErrorAction.REPORT
- Java SE 21 API — MessageDigest