CKTIS / Java
Tekst naar bytes coderen en bytes decoderen in Java
Kies expliciet een tekencodering om tekst uit bytes terug te halen en reproduceerbare invoer voor een hash te maken. Leer wanneer ongeldige reeksen worden vervangen.
Versie: 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[] -> StringDe overload getBytes(Charset) van String.getBytes codeert tekst naar een nieuwe byte[]. De constructor String(byte[],Charset) werkt andersom: new String(bytes, charset) decodeert de hele array naar een nieuwe string. String.length() telt UTF-16-code-eenheden; bytes.length telt bytes.
Gebruik de tekencodering die het formaat of protocol vereist. Kies voor UTF-8 de constante StandardCharsets.UTF_8 van het type Charset uit java.nio.charset, die elke Java-implementatie ondersteunt. getBytes() en new String(bytes) gebruiken de standaardcodering van de JVM: in Java SE 21 is dat UTF-8, tenzij die op een implementatiespecifieke manier is gewijzigd. Overloads die een coderingsnaam als String krijgen, werpen UnsupportedEncodingException op als de naam niet wordt ondersteund. De verouderde methode getBytes(int,int,byte[],int) kopieert alleen de laagste acht bits van elke char; ze codeert geen tekst.
De overloads met Charset vervangen ongeldige reeksen en reeksen waarvoor geen omzetting bestaat. Bij coderen voegen ze de standaardvervangingsbytes van de tekencodering in; bij decoderen de standaardvervangingsstring. Gebruik CharsetEncoder of CharsetDecoder met CodingErrorAction.REPORT om beide soorten fouten af te wijzen. Bij verwerking van een hele buffer in één aanroep leiden zulke fouten tot CharacterCodingException. Dat decoderen lukt, bewijst niet dat de juiste codering is gekozen.
Om te controleren of de omzetting heen en terug verliesvrij is, gebruik je dezelfde tekencodering in beide richtingen en vergelijk je de gedecodeerde string met het origineel. Coderen zonder vervanging is niet genoeg: bij sommige tekencoderingen kunnen de bytes van een teken na decodering een ander teken opleveren. SHA-256 verwerkt bytes, geen tekst: spreek zowel de tekencodering als de exacte tekstvorm af, inclusief regeleinden en Unicode-normalisatie. Decodeer de hashbytes niet als tekst, maar toon ze hexadecimaal.
Voorbeelden
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));
}
}Resultaat
utf16Units=40 utf8Bytes=41 latin1Bytes=40 roundTrip=true sameSha256AfterRoundTrip=true
39 tekens `x` en één `é` nemen 40 UTF-16-code-eenheden en 41 UTF-8-bytes in. ISO-8859-1 gebruikt 40 bytes voor dezelfde tekst. Decoderen en opnieuw coderen met UTF-8 levert dezelfde bytes op, dus ook dezelfde SHA-256-hash.
Gerelateerde lessen
- Java · Les 62 · Gevorderd · Versie: 2
- Java · Les 63 · Gevorderd · Versie: 2
Bronnen
- 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