中文字符的UTF编码.Java

Question

我通过轴webservice中的对象接收String.因为我没有得到我期望的字符串,所以我通过将字符串转换为字节进行检查,并且我得到了hexa中的C3A4C2 BDC2A0 C3A5C2 A5C2BD C3A5C2 90C297,当我期待E4BDA0 E5A5BD E59097,其实际上是UTF-中的好好吗8.

什么可能导致你好吗成为C3A4C2 BDC2A0 C3A5C2 A5C2BD C3A5C2 90C297？我做了谷歌搜索,但我得到的只是一个中文网站,描述了python中发生的问题.任何见解都会很棒,谢谢!

Answer 1

你有所谓的双重编码.

您有正确指出的三个字符序列"你好吗"以UTF-8编码为E4BDA0 E5A5BD E59097.

但现在,开始用UTF-8编码THAT编码的每个字节.从E4开始.UTF-8 中的代码点是什么？试试吧!这是C3 A4!

你明白了...... :-)

这是一个Java应用程序,说明了这一点:

public class DoubleEncoding {
    public static void main(String[] args) throws Exception {
        byte[] encoding1 = "???".getBytes("UTF-8");
        String string1 = new String(encoding1, "ISO8859-1");
        for (byte b : encoding1) {
            System.out.printf("%2x ", b);
        }
        System.out.println();
        byte[] encoding2 = string1.getBytes("UTF-8");
        for (byte b : encoding2) {
            System.out.printf("%2x ", b);
        }
        System.out.println();
    }

}