Question

请考虑以下代码：

public class ReadingTest {

    public void readAndPrint(String usingEncoding) throws Exception {
        ByteArrayInputStream bais = new ByteArrayInputStream(new byte[]{(byte) 0xC2, (byte) 0xB5}); // 'micro' sign UTF-8 representation
        InputStreamReader isr = new InputStreamReader(bais, usingEncoding);
        char[] cbuf = new char[2];
        isr.read(cbuf);
        System.out.println(cbuf[0]+" "+(int) cbuf[0]);
    }

    public static void main(String[] argv) throws Exception {
        ReadingTest w = new ReadingTest();
        w.readAndPrint("UTF-8");
        w.readAndPrint("US-ASCII");
    }
}

观察输出：

µ 181
? 65533

为什么readAndPrint()（使用US-ASCII的那个）的第二次调用成功？我希望它会抛出一个错误，因为输入不是这个编码中的正确字符。 Java API或JLS中强制执行此行为的地方是什么？

Answer 1

在输入流中查找不可解码的字节时的默认操作是用Unicode字符U+FFFD REPLACEMENT CHARACTER替换它们。

如果您想更改它，可以传递CharacterDecoder to the InputStreamReader，其CodingErrorAction配置不同：

CharsetDecoder decoder = Charset.forName(usingEncoding).newDecoder();
decoder.onMalformedInput(CodingErrorAction.REPORT);
InputStreamReader isr = new InputStreamReader(bais, decoder);

Answer 2

我会说，这与构造函数相同 String(byte bytes[], int offset, int length, Charset charset)：

此方法始终使用此charset的默认替换字符串替换格式错误的输入和不可映射的字符序列。当需要更多地控制解码过程时，应该使用java.nio.charset.CharsetDecoder类。

使用CharsetDecoder，您可以指定其他CodingErrorAction。

为什么US-ASCII编码接受非US-ASCII字符？

2 个答案: