Base de conocimientosCentro de exámenes
ESEspañol
Elegir idioma13

CKTIS / Java

Codificar cadenas en bytes y decodificar bytes en Java

Indica la codificación para recuperar texto a partir de bytes y obtener una entrada reproducible para un hash. Aprende cuándo se sustituyen las secuencias no válidas.

Versión: Java SE 21

Sintaxis

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[] -> String

La sobrecarga getBytes(Charset) de String.getBytes codifica el texto en un nuevo array byte[]. El constructor String(byte[],Charset) hace lo contrario: new String(bytes, charset) decodifica todo el array en una nueva cadena. String.length() cuenta unidades de código UTF-16; bytes.length cuenta bytes.

Usa la codificación que exija el formato o el protocolo. Para UTF-8, elige StandardCharsets.UTF_8, una constante de tipo Charset del paquete java.nio.charset que admite toda implementación de Java. getBytes() y new String(bytes) usan la codificación predeterminada de la JVM: UTF-8 en Java SE 21, salvo que se cambie de una forma específica de la implementación. Las sobrecargas que reciben el nombre de la codificación como String lanzan UnsupportedEncodingException si no se admite ese nombre. El método obsoleto getBytes(int,int,byte[],int) solo copia los ocho bits menos significativos de cada char; no sirve para codificar texto.

Las sobrecargas con Charset sustituyen las secuencias mal formadas o sin correspondencia. Al codificar, introducen los bytes de sustitución predeterminados de la codificación; al decodificar, su cadena de sustitución predeterminada. Para rechazar ambos tipos de error, usa CharsetEncoder o CharsetDecoder con CodingErrorAction.REPORT. Al procesar un búfer completo en una sola llamada, estos errores lanzan CharacterCodingException. Que la decodificación termine correctamente no demuestra que la codificación elegida sea la adecuada.

Para comprobar que la conversión de ida y vuelta no pierde información, usa la misma codificación en ambos sentidos y compara la cadena decodificada con la original. Codificar sin sustituciones no basta: con algunas codificaciones, los bytes obtenidos de un carácter pueden dar otro distinto al decodificarlos. SHA-256 procesa bytes, no texto: acuerda tanto la codificación como la forma exacta del texto, incluidos los finales de línea y la normalización Unicode. No decodifiques los bytes del hash como texto; muéstralos en hexadecimal.

Ejemplos

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));
    }
}

Resultado

utf16Units=40
utf8Bytes=41
latin1Bytes=40
roundTrip=true
sameSha256AfterRoundTrip=true

39 caracteres `x` y una `é` ocupan 40 unidades de código UTF-16 y 41 bytes en UTF-8. ISO-8859-1 usa 40 bytes para el mismo texto. Al decodificar y volver a codificar en UTF-8 se recuperan los mismos bytes, por lo que SHA-256 da el mismo resultado.

Lecciones relacionadas

  • Java · Lección 62 · Avanzado · Versión: 2
  • Java · Lección 63 · Avanzado · Versión: 2

Fuentes