Java的String.GetBytes(Charset)中的UTF-8

Question

我在Java中阅读了一些关于String.getBytes(Charset)方法的文档.

它用于将String转换为字节数组(字节类型可以获得值-2 ^ 7到2 ^ 7-1).

据我所知,UTF-8字符集中的每个字符可以使用1-4个字节.如果UTF-8字符集中的字符代码大于2 ^ 7-1会发生什么？

我试过了

String s ="Hélô"

然后我得到了这样的'HélÃ'':

String sr = new String(s.getBytes("UTF-8"),Charset.forName("UTF-8"));

我想要它返回原始价值'Hélô'.

谁有人形容这个？谢谢.(对不起我的英语不好)

Answer 1

正如Jon已经说过的那样,原因是你使用了不同的编码.在UTF-8编码中,字符é和ô每个字节编码为两个字节.

ISO-8859-1: H  é  l ô
     bytes: 48 E9 6C F4

UTF-8     : H  é    l  ô
     bytes: 48 C3A9 6C C3B4

错误字符串结果的示例以字节为单位,如下所示

UTF-8 bytes interpreted as ISO-8859-1
H  Ã  ©  l  Ã  ´
48 C3 A9 6C C3 B4