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

  

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”））;

我希望它返回原始价值'Hélô'。

有谁可以形容这个？谢谢。 （抱歉我的英文）

Answer 1

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

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