Question

我知道带有utf8的符号在Java中需要1-4个字节。但是当我在java.io.DataInputStream / DataOutputStream中使用readUTF / writeUTF方法时，我发现该方法只解决了一个符号需要1-3个字节的情况。

static int writeUTF(String str, DataOutput out) throws IOException {
    int strlen = str.length();
    int utflen = 0;
    int c, count = 0;

   /* use charAt instead of copying String to char array */
    for (int i = 0; i < strlen; i++) {
        c = str.charAt(i);
        if ((c >= 0x0001) && (c <= 0x007F)) {
            utflen++;
        } else if (c > 0x07FF) {
            utflen += 3;
        } else {
            utflen += 2;
        }
    }

    if (utflen > 65535)
        throw new UTFDataFormatException(
            "encoded string too long: " + utflen + " bytes");>

    byte[] bytearr = null;
    if (out instanceof DataOutputStream) {
        DataOutputStream dos = (DataOutputStream)out;
        if(dos.bytearr == null || (dos.bytearr.length < (utflen+2)))
            dos.bytearr = new byte[(utflen*2) + 2];
        bytearr = dos.bytearr;
    } else {
        bytearr = new byte[utflen+2];
    }

    bytearr[count++] = (byte) ((utflen >>> 8) & 0xFF);
    bytearr[count++] = (byte) ((utflen >>> 0) & 0xFF);

    int i=0;
    for (i=0; i<strlen; i++) {
       c = str.charAt(i);
       if (!((c >= 0x0001) && (c <= 0x007F))) break;
       bytearr[count++] = (byte) c;
    }

    for (;i < strlen; i++){
        c = str.charAt(i);
        if ((c >= 0x0001) && (c <= 0x007F)) {
            bytearr[count++] = (byte) c;

        } else if (c > 0x07FF) {
            bytearr[count++] = (byte) (0xE0 | ((c >> 12) & 0x0F));
            bytearr[count++] = (byte) (0x80 | ((c >>  6) & 0x3F));
            bytearr[count++] = (byte) (0x80 | ((c >>  0) & 0x3F));
        } else {
            bytearr[count++] = (byte) (0xC0 | ((c >>  6) & 0x1F));
            bytearr[count++] = (byte) (0x80 | ((c >>  0) & 0x3F));
        }
    }
    out.write(bytearr, 0, utflen+2);
    return utflen + 2;
}

为什么不解决符号需要4个字节的情况？

Answer 1

所有这些都在文档中进行了解释，但您必须经过额外的点击。

DataOutputStream#writeUTF的文档提到它使用＆＃34; modified UTF-8编码。＆＃34;该链接位于原始JavaDocs中（我没有为此答案添加它），如果您遵循它，您将获得一个解释该编码的页面。请特别注意摘要底部附近的部分（在进入方法摘要部分之前）：

此格式与标准UTF-8格式之间的差异如下：

...

•仅使用1字节，2字节和3字节格式。

因此，虽然您认为UTF-8最多使用4个字节，但writeUTF使用修改后的版本，其中一个修改是它最多只支持3个字节。 / p>

java.io.DataOutputStream中的writeUTF

1 个答案: