CKTIS / Java
Kodowanie tekstu do bajtów i dekodowanie bajtów w Javie
Używaj jawnego kodowania znaków, aby odtworzyć tekst z bajtów i uzyskać powtarzalne dane wejściowe do obliczania skrótu. Dowiedz się, kiedy konwersja zastępuje błędne dane.
Wersja: Java SE 21
Składnia
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[] -> StringString.getBytes w wariancie getBytes(Charset) koduje tekst do nowej tablicy byte[]. Konstruktor String(byte[],Charset) działa w drugą stronę: new String(bytes, charset) dekoduje całą tablicę do nowego napisu. String.length() liczy jednostki kodowe UTF-16, a bytes.length liczy bajty.
Użyj kodowania wymaganego przez format lub protokół. Jeśli wymaga UTF-8, wybierz StandardCharsets.UTF_8 z pakietu java.nio.charset; ta stała typu Charset jest dostępna w każdej implementacji Javy. getBytes() i new String(bytes) używają domyślnego kodowania JVM: w Java SE 21 jest to UTF-8, chyba że implementacja je zmieni. Warianty przyjmujące nazwę kodowania typu String zgłaszają UnsupportedEncodingException, gdy nazwa nie jest obsługiwana. Przestarzały getBytes(int,int,byte[],int) kopiuje tylko osiem najmłodszych bitów każdej jednostki char; nie służy do kodowania tekstu.
Warianty z Charset zastępują niepoprawne sekwencje wejściowe i sekwencje bez odwzorowania: podczas kodowania wstawiają domyślne bajty zastępcze danego kodowania, a podczas dekodowania — domyślny napis zastępczy. Aby odrzucać oba rodzaje błędów, użyj CharsetEncoder lub CharsetDecoder z CodingErrorAction.REPORT. Przy przetwarzaniu całego bufora naraz takie błędy powodują CharacterCodingException. Udane dekodowanie nie dowodzi, że wybrano właściwe kodowanie.
Aby sprawdzić, czy konwersja jest bezstratna, użyj tego samego kodowania w obu kierunkach i porównaj odtworzony napis z oryginałem. Samo kodowanie bez zastąpień nie wystarcza: w niektórych kodowaniach bajty uzyskane z danego znaku mogą po zdekodowaniu dać inny znak. SHA-256 przetwarza bajty, nie tekst: ustal zarówno kodowanie, jak i dokładną postać tekstu, w tym zakończenia wierszy i normalizację Unicode. Nie dekoduj bajtów skrótu jak tekstu; do wyświetlenia użyj zapisu szesnastkowego.
Przykłady
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));
}
}Wynik
utf16Units=40 utf8Bytes=41 latin1Bytes=40 roundTrip=true sameSha256AfterRoundTrip=true
39 liter `x` i jedno `é` to 40 jednostek UTF-16 i 41 bajtów UTF-8. ISO-8859-1 zapisuje ten sam tekst w 40 bajtach. Dekodowanie i ponowne kodowanie w UTF-8 odtwarza te same bajty, więc SHA-256 daje ten sam wynik.
Powiązane lekcje
- Java · Lekcja 62 · Zaawansowany · Wersja: 2
- Java · Lekcja 63 · Zaawansowany · Wersja: 2
Źródła
- 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