将字符串转换为byte []会返回错误的值(编码？)

Question

我byte[]从一个文件中读取一个并将其转换为String:

byte[] bytesFromFile = Files.readAllBytes(...);
String stringFromFile = new String(bytesFromFile, "UTF-8");

我想将此与byte[]我从Web服务获得的另一个进行比较:

String stringFromWebService = webService.getMyByteString(); 
byte[] bytesFromWebService = stringFromWebService.getBytes("UTF-8");

所以我byte[]从一个文件中读取并将其转换为a String,然后String从我的Web服务获取并将其转换为byte[].然后我做了以下测试:

// works!
org.junit.Assert.assertEquals(stringFromFile, stringFromWebService);

// fails!
org.junit.Assert.assertArrayEquals(bytesFromFile, bytesFromWebService);

为什么第二个断言失败了？

Answer 1

其他答案涵盖了一个可能的事实，即文件未UTF-8编码，从而导致了所描述的症状。

然而，我认为最有趣的方面不是断言byte[]失败，而是assert字符串值相同通过。我不是 100% 确定这是为什么，但我认为以下对源代码的搜索可能会给我们答案：

• 看看它是如何new String(bytesFromFile, "UTF-8");工作的——我们看到构造函数调用了StringCoding.decode()
• 如果提供了该UTF-8字符集，则依次调用StringDecoder.decode()
• 如果角色不可映射，这会调用CharsetDecoder.decode()决定要做什么（我猜如果UTF-8出现非角色，就会出现这种情况）

• 在这种情况下，它使用由以下定义的操作

  private CodingErrorAction unmappableCharacterAction
      = CodingErrorAction.REPORT;
  

• 这意味着它仍然报告已解码的字符，即使它在技术上是不可映射的。

• 我认为这意味着即使代码获得不可映射的字符，它也会替换其最佳猜测 - 所以我猜测其最佳猜测是正​​确的，因此在String比较下表示是相同的，但byte[]不再相同。

这个假设得到了以下事实的支持： incatch的块 表示：CharacterCodingExceptionStringCoding.decode()

} catch (CharacterCodingException x) {
            // Substitution is always enabled,
            // so this shouldn't happen