Question

假设我有一个字节数组，我尝试使用以下代码将其编码为UTF_8

String tekst = new String(result2, StandardCharsets.UTF_8);
System.out.println(tekst);
//where result2 is the byte array

然后，我使用getBytes（）获取字节，其值为0到128

byte[] orig = tekst.getBytes();

然后，我希望使用ff：

对我的byte [] orig进行频率计数

int frequencies = new int[256];

for (byte b: orig){
    frequencies[b]++;
}

一切顺利，直到遇到错误陈述

java.lang.ArrayIndexOutOfBoundsException: -61

这是否意味着我的字节仍包含负值，尽管将其转换为UTF-8？我有什么不对劲吗？有人可以告诉我这个原因的清晰度我仍然是这个主题的初学者。谢谢。

Answer 1

回答具体问题

这是否意味着我的字节仍然包含负值，尽管将其转换为UTF-8？

是的，绝对的。那是因为byte是用Java签名的。 { - 1}}值为-61将为195作为无符号值。当您使用UTF-8编码任何非ASCII文本时，期望应该获取不在0-127范围内的字节。

修复很简单：只需用位掩码将范围钳位到0-255：

byte

解决您尝试做的事情

这一行：

frequencies[b & 0xff]++;

...仅在String tekst = new String(result2, StandardCharsets.UTF_8);是真正的UTF-8编码文本时才适用。如果result2是一些任意二进制数据，例如图像，压缩数据，甚至是用其他编码编码的文本，那么不是合适的。

如果要将任意二进制数据保存为字符串，则应使用Base64或hex之类的内容。基本上，您需要确定您的数据是否本质上是文本的（在这种情况下，您应该尽可能多地使用字符串，并在必要时使用适当的result2转换为二进制）或固有的二进制（在这种情况下，您应该尽可能多地使用字节，并在必要时使用base64或hex转换为文本。

这一行：

Charset

......几乎总是一个坏主意。它使用platform-default编码将字符串转换为字节。如果你真的，真的想使用平台默认编码，我会明确地说：

byte[] orig = tekst.getBytes();

...但是现在这是非常不寻常的要求。在任何地方坚持使用UTF-8几乎总是更好。

将String转换为UTF-8字节数组会在Java中返回负值

1 个答案: