Question

如果我将UTF-8 char转换为byte，那么基于语言环境，环境等的这3个实现的结果是否会有所不同？

byte a = "1".getBytes()[0];
byte b = "1".getBytes(Charset.forName("UTF-8"))[0];
byte c = '1';

Answer 1

您的第一行依赖于环境，因为它会使用系统的默认字符编码对字符串进行编码，该编码可能是UTF-8，也可能不是。{/ p>

无论系统的区域设置或默认字符编码是什么，您的第二行始终会产生相同的结果。它将始终使用UTF-8对字符串进行编码。

请注意，UTF-8是一种可变长度的字符编码。只有前127个字符在一个字节中编码;所有其他字符将占用2到6个字节。

您的第三行将char投射到int。这将导致int包含字符的UTF-16字符代码，因为Java char使用UTF-16存储字符。由于UTF-16以与UTF-8相同的方式对字符进行部分编码，因此结果将与第二行相同，但对于任何字符通常都不是这样。

Answer 2

原则上这个问题已经得到了回答，但我无法抗拒发布一些涂鸦，对于那些喜欢玩代码的人来说：

import java.nio.charset.Charset;

public class EncodingTest {

    private static void checkCharacterConversion(String c) {
        byte asUtf8 = c.getBytes(Charset.forName("UTF-8"))[0];
        byte asDefaultEncoding = c.getBytes()[0];
        byte directConversion = (byte)c.charAt(0);
        if (asUtf8 != asDefaultEncoding) {
            System.out.println(String.format(
                "First char of %s has different result in UTF-8 %d and default encoding %d",
                c, asUtf8, asDefaultEncoding));
        }
        if (asUtf8 != directConversion) {
            System.out.println(String.format(
                "First char of %s has different result in UTF-8 %d and direct as byte %d",
                c, asUtf8, directConversion));
        }
    }

    public static void main(String[] argv) {

       // btw: first time I ever wrote a for loop with a char - feels weird to me
       for (char c = '\0'; c <= '\u007f'; c++) {
           String cc = new String(new char[] {c});
           checkCharacterConversion(cc);
       }
    }
}

如果你这样做，例如用：

java -Dfile.encoding="UTF-16LE"  EncodingTest

你将得不到输出。但是当然，如果你尝试的话，每个字节（好的，第一个除外）都是错的：

java -Dfile.encoding="UTF-16BE"  EncodingTest

因为＆＃34; big endian＆＃34;对于ascii字符，第一个字节始终为零。这是因为在UTF-16中，ascii字符'\u00xy由两个字节表示，UTF16-LE表示为[xy, 0]，UTF16-BE表示为[0, xy]

但是只有第一个语句产生任何输出，因此b和c对于前127个ascii字符确实相同 - 因为在UTF-8中它们由单个字节编码。但是，对于任何其他角色来说，情况并非如此;它们都有UTF-8中的多字节表示。

单个UTF-8字符到字节

2 个答案: