CKTIS / Java
Encoder du texte en octets et décoder des octets en Java
Spécifiez l’encodage pour retrouver le texte à partir de ses octets et fournir une entrée reproductible au calcul d’une empreinte. Voyez quand les entrées invalides sont remplacées.
Version : Java SE 21
Syntaxe
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[] -> StringLa surcharge getBytes(Charset) de String.getBytes encode le texte dans un nouveau tableau byte[]. Le constructeur String(byte[],Charset) fait l’inverse : new String(bytes, charset) décode tout le tableau en une nouvelle chaîne. String.length() compte les unités de code UTF-16, tandis que bytes.length compte les octets.
Utilisez l’encodage exigé par le format ou le protocole. Pour UTF-8, choisissez StandardCharsets.UTF_8, une constante de type Charset du paquet java.nio.charset, prise en charge par toute implémentation de Java. getBytes() et new String(bytes) utilisent l’encodage par défaut de la JVM : UTF-8 en Java SE 21, sauf modification propre à l’implémentation. Les surcharges qui prennent le nom de l’encodage sous forme de String lèvent UnsupportedEncodingException si le nom n’est pas pris en charge. La méthode obsolète getBytes(int,int,byte[],int) ne copie que les huit bits de poids faible de chaque char ; elle ne sert pas à encoder du texte.
Les surcharges avec Charset remplacent les séquences mal formées ou non convertibles. À l’encodage, elles insèrent les octets de remplacement par défaut de l’encodage ; au décodage, sa chaîne de remplacement par défaut. Pour refuser les deux types d’erreurs, utilisez CharsetEncoder ou CharsetDecoder avec CodingErrorAction.REPORT. Lors du traitement d’un tampon entier en un seul appel, ces erreurs lèvent CharacterCodingException. Un décodage réussi ne prouve pas que l’encodage choisi est le bon.
Pour vérifier qu’un aller-retour est sans perte, utilisez le même encodage dans les deux sens et comparez la chaîne décodée à l’originale. Encoder sans substitution ne suffit pas : dans certains encodages, les octets obtenus à partir d’un caractère peuvent donner un autre caractère au décodage. SHA-256 traite des octets, pas du texte : fixez l’encodage et la forme exacte du texte, y compris les fins de ligne et la normalisation Unicode. Ne décodez pas les octets de l’empreinte comme du texte ; affichez-les en hexadécimal.
Exemples
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));
}
}Résultat
utf16Units=40 utf8Bytes=41 latin1Bytes=40 roundTrip=true sameSha256AfterRoundTrip=true
39 caractères `x` et un `é` occupent 40 unités de code UTF-16 et 41 octets UTF-8. ISO-8859-1 utilise 40 octets pour ce même texte. Le décodage puis le réencodage en UTF-8 redonnent les mêmes octets, donc la même empreinte SHA-256.
Leçons associées
- Java · Leçon 62 · Avancé · Version : 2
- Java · Leçon 63 · Avancé · Version : 2
Sources
- 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