我有一个Web服务，它以XML String作为输入，主要使用UTF-8。但是，代理对可能会混合到字符串中，并且当我的应用程序处理代理对时，这些特定字符变得不可读。
我正在读一个像这样的xml文件（我觉得这部分搞砸了）：
String xmlFile = new String(Files.readAllBytes(Paths.get("test.xml")),"UTF-8");
我知道当我遍历字符串中的每个字符时，我可以检测到这一点：
Character.isSurrogatePair(high, low)
我想知道的是，是否有办法将代理对转换为可以在UTF-8中正确识别的东西。例如，“”在UTF-8中是可识别的，因为它有3个字节但“”有4个字节（代理对）但图形显示是相同的。
答案 0 :(得分：1)
您的代码100％正常（如果编码确实是UTF-8）。 代理对是一种UTF-16将Unicode代码点编码为两个char s（2x2字节）的方式。 UTF-8将其作为更长的多字节序列（2017年最多6个字节）。
Unicode本身只是数字代码点（符号）。然后用UTF- nn 对这些数字进行编码，这样就不会发生错误，例如搜索/的字节并错误地找到它。 UTF-8使用高位，UTf-16使用“代理对”做类似的技巧。 Unicode＆amp; UTF是一个坚实的设计。
现在Unicode确实随着时间的推移而增长，标准也在不断扩大。
因此，使用java 6运行时，您可能没有与更高版本相同的Unicode功率（范围）。同样，旧的非java程序和字体也可能有白点。
数据中很可能有些东西是可疑的。读取字节块并将每个块转换为String将导致块边界处的无效字符。