Question

将任意Java字符串转换为有限的字符集并将其转换回来的最佳方法是什么？

我想从任意Java String生成一个ETag，然后能够在随后呈现该ETag时重现原始String。

它们之间的

RFC 7232和RFC 7230将有效字符定义为：

etagc          = %x21 / %x23-7E / obs-text
               ; VCHAR except double quotes, plus obs-text
obs-text       = %x80-FF

松散地，这意味着任何大于或等于0x21的8位字符，0x22和0x7f除外。鉴于Java字符串可以包含任何Unicode字符，ETag中不允许有很多字符串。

简单地说，因为0 - 9和A - F都是有效的ETag字符，我可以：

将String转换为UTF-8字节数组;
然后将每个字节转换为两位十六进制数字;
然后连接十六进制数来制作ETag。

反转此代码的代码有点痛苦，但是完全可逆的，它适用于所有Java字符串。

然而，我的简化方法会产生很长的ETag，效率很低，可能会在实践中引起问题。

如何通过利用我可以使用220个字符的事实来制作更短的ETag？有这个目的的图书馆吗？

Answer 1

我认为没有＆＃34;基地220＆＃34;可用的编码/解码库符合您的规范。（尽管如此，您可能需要查看Furcadia Base 220 Encoding来编码固定长度的数据块。）您可以使用Base 91做得比Base 64更好（请参阅here和更新版本{{3 }}）。

如果您想尽可能多地使用220个字符，那么您必须自己动手。 Base 64或Base 91代码是很好的起点。（特别是分析它们之间的差异会让你知道如何到达220.）因为你必须处理任意输入长度，你不应该期望能够充分利用220个字符的编码数据。您需要保留一些字符来控制信号，填充等，或者将其他数据注入编码流中以指示字符串长度。

Answer 2

如果您的字符串主要是ASCII，请实现已修改 UTF-8 （变体，但不要与MUTF-8混淆），修改的地方math.cos(math.radians(45)) - 0x00，0x20和0x22都以2个字节编码。

这很有效，因为根据您引用的规范，多字节UTF-8序列仅使用0x7f - 0x80，它们在ETag中都是有效的。

示例： Java字符串0xff，即文本"Test \"\u20AC\""，将编码为字节Test "€"，将显示在ISO-8859-1中作为54 65 73 74 c0 81 c2 81 e2 82 ac c2 81，在Windows-1252中作为TestÀÂâ¬Â。

但是，在HTTP标头中使用字节TestÀ�Â�â‚¬Â� - 0x80可能会造成麻烦（例如，请参阅上面的字节0xff和81的文本显示），因此＆＃39如果可能的话，最好避免它们。

如果您只使用标准的Base64编码，则可以。您当然首先必须将文本编码为字节。如果您的字符串主要是ASCII，请使用UTF-8，否则只需直接使用2字节82值，即使用UTF-16。

示例：使用与上面相同的Java字符串，它将编码为char，它由纯有效的ASCII字符组成。

在Java 8中，这很容易做到：

VGVzdCAi4oKsIg==

如何以可逆的方式将任意Java字符串转换为有限的字符集？

2 个答案: