Base de conhecimentoCentro de Exames
PT · PTPortuguês (Portugal)
Escolher idioma13

CKTIS / Java

Charset — codificar e descodificar texto

java.nio.charset.Charset descreve um mapeamento entre unidades de código Unicode e bytes. Aprende como Charset.forName seleciona uma codificação e como criar um descodificador e um codificador com tratamento explícito de erros.

Versão: Java SE 21; repository runtime, production runtime not attested

Sintaxe

Charset cs = Charset.forName("UTF-8");
CharsetDecoder decoder = cs.newDecoder();
CharsetEncoder encoder = cs.newEncoder();

java.nio.charset.Charset descreve um mapeamento nomeado entre sequências de unidades de código Unicode de 16 bits e bytes. A descodificação transforma bytes em caracteres; a codificação transforma caracteres em bytes. A codificação tem de corresponder ao formato dos dados; uma escolha incorreta pode produzir texto errado sem comunicar um erro.

Charset.forName("UTF-8") procura uma codificação pelo nome ou por um alias, sem distinguir maiúsculas de minúsculas. Um nome ilegal provoca IllegalCharsetNameException, enquanto uma codificação não suportada provoca UnsupportedCharsetException. Para uma codificação fixa, podes usar StandardCharsets.UTF_8.

Charset.newDecoder() cria um CharsetDecoder que converte um ByteBuffer num CharBuffer. Se o objeto Charset suportar a codificação, Charset.newEncoder() cria um CharsetEncoder para a direção inversa. Alguns objetos Charset só suportam a descodificação: se canEncode() devolver false, newEncoder() lança UnsupportedOperationException. Um objeto Charset é imutável e pode ser partilhado em segurança entre threads, mas os codificadores e descodificadores não são seguros para utilização simultânea por várias threads.

Os novos codificadores e descodificadores usam, por predefinição, CodingErrorAction.REPORT para entradas malformadas e caracteres não mapeáveis. Assim, os respetivos métodos encode e decode com um argumento podem lançar CharacterCodingException. Em contrapartida, os métodos de conveniência Charset.encode e Charset.decode substituem os dados problemáticos. Usa onMalformedInput e onUnmappableCharacter para escolher explicitamente uma política de erros.

O exemplo codifica caf\u00e9 como UTF-8 e descodifica o resultado. Verifica o número de bytes e a igualdade do texto sem depender da forma como o terminal apresenta os caracteres. O resultado da codificação já está pronto para leitura; não chames flip() antes de o descodificares.

Exemplos

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));
    }
}

Resultado

bytes=5
roundTrip=true

O código apresentado e o resultado declarado foram verificados num ambiente isolado pelo método registado na prova de verificação desta versão exata.

Fontes