CKTIS / Java
Kodiranje besedila v bajte in dekodiranje bajtov v Javi
Izrecno določi kodiranje, da lahko iz bajtov obnoviš besedilo in pripraviš ponovljiv vhod za izračun zgoščene vrednosti. Spoznaj, kdaj se neveljavna zaporedja nadomestijo.
Različica: Java SE 21
Sintaksa
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[] -> StringPreobremenjena različica getBytes(Charset) metode String.getBytes zakodira besedilo v novo polje byte[]. Konstruktor String(byte[],Charset) deluje v obratni smeri: new String(bytes, charset) dekodira celotno polje v nov niz. String.length() šteje kodne enote UTF-16, bytes.length pa šteje bajte.
Uporabi kodiranje, ki ga zahteva format ali protokol. Za UTF-8 izberi StandardCharsets.UTF_8, konstanto tipa Charset iz paketa java.nio.charset, ki jo podpira vsaka implementacija Jave. getBytes() in new String(bytes) uporabita privzeto kodiranje JVM: v Java SE 21 je to UTF-8, razen če je spremenjeno na način, ki je odvisen od implementacije. Različice, ki sprejmejo ime kodiranja kot String, pri nepodprtem imenu sprožijo UnsupportedEncodingException. Opuščena metoda getBytes(int,int,byte[],int) prekopira le osem najnižjih bitov vsake vrednosti char; ni namenjena kodiranju besedila.
Različice s parametrom Charset nadomestijo nepravilno oblikovana zaporedja in zaporedja brez ustrezne preslikave. Pri kodiranju vstavijo privzete nadomestne bajte izbranega kodiranja, pri dekodiranju pa njegov privzeti nadomestni niz. Če želiš zavrniti obe vrsti napak, uporabi CharsetEncoder ali CharsetDecoder z CodingErrorAction.REPORT. Pri obdelavi celotnega medpomnilnika z enim klicem take napake sprožijo CharacterCodingException. Uspešno dekodiranje še ne dokazuje, da je bilo izbrano pravo kodiranje.
Če želiš preveriti, ali pretvorba poteka brez izgub, uporabi isto kodiranje v obeh smereh in primerjaj dekodirani niz z izvirnim. Kodiranje brez zamenjav ne zadošča: pri nekaterih kodiranjih se lahko bajti, dobljeni iz enega znaka, dekodirajo v drug znak. SHA-256 obdeluje bajte, ne besedila: dogovori se za kodiranje in natančno obliko besedila, vključno s konci vrstic in normalizacijo Unicode. Bajtov zgoščene vrednosti ne dekodiraj kot besedilo; prikaži jih šestnajstiško.
Primeri
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));
}
}Rezultat
utf16Units=40 utf8Bytes=41 latin1Bytes=40 roundTrip=true sameSha256AfterRoundTrip=true
39 znakov `x` in en `é` zavzame 40 kodnih enot UTF-16 in 41 bajtov v UTF-8. ISO-8859-1 za isto besedilo uporabi 40 bajtov. Dekodiranje in ponovno kodiranje z UTF-8 vrne iste bajte, zato SHA-256 vrne isto zgoščeno vrednost.
Povezane lekcije
- Java · Lekcija 62 · Napredna · Različica: 2
- Java · Lekcija 63 · Napredna · Različica: 2
Viri
- 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