Question

我在comment读到了@Esailija对我的一个问题的回答

ISO-8859-1是唯一完全保留原始二进制数据的编码，精确字节＆lt; - ＆gt;代码点匹配

我也在@AaronDigulla的answer中读到：

在Java中，ISO-8859-1（a.k.a ISO-Latin1）是1：1的映射

我需要对此有所了解。这将失败（如图here所示）：

// \u00F6 is ö
System.out.println(Arrays.toString("\u00F6".getBytes("utf-8")));
// prints [-61, -74]
System.out.println(Arrays.toString("\u00F6".getBytes("ISO-8859-1")));
// prints [-10]

问题

我承认我不太明白 - 为什么它没有得到上面代码中的字节？
最重要的是，这是（ ISO-8859-1的字节保留行为） 指定的 em> - 链接到源，或者JSL会很好。它是唯一具有此属性的编码吗？

是否与ISO-8859-1成为default default？
有关
另请参阅this question以获取其他字符集的精彩计数器示例。

Answer 1

"\u00F6"不是字节数组。它是一个包含单个字符的字符串。改为执行以下测试：

public static void main(String[] args) throws Exception {
    byte[] b = new byte[] {(byte) 0x00, (byte) 0xf6};
    String s = new String(b, "ISO-8859-1"); // decoding
    byte[] b2 = s.getBytes("ISO-8859-1"); // encoding
    System.out.println("Are the bytes equal : " + Arrays.equals(b, b2)); // true
}

要检查任何字节是否为真，只需通过所有字节改进代码：

public static void main(String[] args) throws Exception {
    byte[] b = new byte[256];
    for (int i = 0; i < b.length; i++) {
        b[i] = (byte) i;
    }
    String s = new String(b, "ISO-8859-1");
    byte[] b2 = s.getBytes("ISO-8859-1");
    System.out.println("Are the bytes equal : " + Arrays.equals(b, b2));
}

ISO-8859-1是标准编码。所以使用的语言（Java，C＃或其他）并不重要。

这是一个Wikipedia reference声称每个字节都被覆盖：

1992年，IANA注册了字符映射ISO_8859-1：1987，更常见的是其首选的MIME名称ISO-8859-1（请注意ISO 8859-1的额外连字符），ISO 8859的超集 - 1，用于互联网。此映射将C0和C1控制字符分配给未分配的代码值，从而通过每个可能的8位值提供256个字符。

（强调我的）

Answer 2

对于保留原始二进制数据的编码，需要将每个唯一字节序列映射到唯一字符序列。

这排除了所有多字节编码（UTF-8/16/32，Shift-Jis，Big5等），因为并非每个字节序列都有效因此会解码为一些替换字符（通常是？或）。没有办法从字符串中分辨出什么原因解码后的替换字符。

另一个选择是忽略无效字节但这也意味着无限不同字节序列解码为相同的字符串。您可以使用十六进制编码替换无效字节在像"0xFF"这样的字符串中。没有办法判断原始字节是否合法解码到"0xFF"所以这也不起作用。

这留下了8位编码，其中每个序列只是一个字节。单字节有效如果有它的映射。但是许多8位编码都有漏洞，不能编码256个不同的字符。

要保留原始二进制数据，您需要编码256个不同字符的8位编码。 ISO-8859-1 在这方面不是独一无二的。但它的独特之处在于，解码后的代码点的值也是字节的值它是从。解码的。

所以你有解码后的字符串和编码字节，那么它总是

(byte)str.charAt(i) == bytes[i]

表示str为new String(bytes, "ISO-8859-1")且bytes的任意二进制数据是byte[]。

它也与Java无关。我不知道他的评论意味着什么，这些是字符编码的属性，而不是编程语言。

ISO-8859-1编码和二进制数据保存

问题

2 个答案: