Java String到byteArray的转换问题

Question

我想编码/解码一ByteArray来String，但是输入/输出不匹配。难道我做错了什么？

System.out.println(org.apache.commons.codec.binary.Hex.encodeHexString(by));
String s = new String(by, Charsets.UTF_8);
System.out.println(org.apache.commons.codec.binary.Hex.encodeHexString(s.getBytes(Charsets.UTF_8)));

输出为：

130021000061f8f0001a
130021000061efbfbd

完整的代码：

String[] arr = {"13", "00", "21", "00", "00", "61", "F8", "F0", "00", "1A"};        
byte[] by = new byte[arr.length];

for (int i = 0; i < arr.length; i++) {
    by[i] = (byte)(Integer.parseInt(arr[i],16) & 0xff); 
}

System.out.println(org.apache.commons.codec.binary.Hex.encodeHexString(by));

String s = new String(by, Charsets.UTF_8);
System.out.println(org.apache.commons.codec.binary.Hex.encodeHexString(s.getBytes(Charsets.UTF_8)));

Answer 1

这里的问题是这f8f0001a不是有效的UTF-8字节序列。

首先，f8起始字节表示一个5字节的序列，而您只有四个。其次，f8只能随后的一个字节8x，9x，ax或bx形式。

因此，它被替换为unicode replacement character (U+FFFD)，其在UTF-8中的字节序列为efbfbd。

并且（正确地）不能保证无效字节序列与字符串之间的转换将导致相同的字节序列。（请注意，即使使用两个看似相同的字符串，您也可能会得到不同的字节，以Unicode表示它们，请参阅Unicode等价。）

这个故事的寓意是：如果要表示字节，则不要将它们转换为字符，如果要表示文本，则不要使用字节数组。