CKTIS / Java
Charset — tekst coderen en decoderen
java.nio.charset.Charset beschrijft een koppeling tussen Unicode-code-eenheden en bytes. Leer hoe Charset.forName een tekencodering selecteert en hoe je een decoder en encoder met expliciete foutafhandeling maakt.
Versie: Java SE 21; repository runtime, production runtime not attested
Syntax
Charset cs = Charset.forName("UTF-8");
CharsetDecoder decoder = cs.newDecoder();
CharsetEncoder encoder = cs.newEncoder();java.nio.charset.Charset beschrijft een benoemde koppeling tussen reeksen 16-bits Unicode-code-eenheden en bytes. Decoderen zet bytes om in tekens; coderen zet tekens om in bytes. De tekencodering moet overeenkomen met het gegevensformaat; een verkeerde keuze kan onjuiste tekst opleveren zonder een fout te melden.
Charset.forName("UTF-8") zoekt een tekencodering op aan de hand van een naam of alias, zonder onderscheid te maken tussen hoofdletters en kleine letters. Een ongeldige naam veroorzaakt IllegalCharsetNameException, terwijl een niet-ondersteunde tekencodering UnsupportedCharsetException veroorzaakt. Voor een vaste tekencodering kun je StandardCharsets.UTF_8 gebruiken.
Charset.newDecoder() maakt een CharsetDecoder die een ByteBuffer omzet in een CharBuffer. Als het Charset-object coderen ondersteunt, maakt Charset.newEncoder() een CharsetEncoder voor de omgekeerde richting. Sommige Charset-objecten ondersteunen alleen decoderen: als canEncode() false retourneert, werpt newEncoder() een UnsupportedOperationException. Een Charset-object is onveranderlijk en kan veilig door meerdere threads worden gedeeld, maar encoders en decoders zijn niet veilig voor gelijktijdig gebruik door meerdere threads.
Nieuwe encoders en decoders gebruiken standaard CodingErrorAction.REPORT bij ongeldige invoer en niet-toewijsbare tekens. Hun encode- en decode-methoden met één argument kunnen daarom CharacterCodingException veroorzaken. De handige methoden Charset.encode en Charset.decode vervangen problematische gegevens juist. Gebruik onMalformedInput en onUnmappableCharacter om expliciet een foutbeleid te kiezen.
Het voorbeeld codeert caf\u00e9 als UTF-8 en decodeert het resultaat. Het controleert het aantal bytes en of de tekst gelijk is, zonder afhankelijk te zijn van de tekenweergave in de terminal. Het coderingsresultaat is al klaar om te lezen; roep er vóór het decoderen geen flip() op aan.
Voorbeelden
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));
}
}Resultaat
bytes=5 roundTrip=true
De getoonde code en het opgegeven resultaat zijn in een geïsoleerde omgeving geverifieerd met de methode die in het verificatiebewijs voor exact deze versie is vastgelegd.