在Java中将char作为一个字节处理，结果不同

Question

为什么以下两个结果不同？

bsh % System.out.println((byte)'\u0080');
-128

bsh % System.out.println("\u0080".getBytes()[0]);
63

感谢您的回答。

Answer 1

(byte)'\u0080'只取代码点的数值，该值不适合byte，因此受narrowing primitive conversion的影响，它会丢弃不适合的值字节和，因为设置了最高位，产生负数。

"\u0080".getBytes()[0]根据您的平台默认编码将字符转换为字节（有一个允许您指定编码的重载getBytes()方法）。看起来您的平台默认编码不能代表代码点U + 0080，并将其替换为“？” （代码点U + 003F，十进制值63）。

Answer 2

Unicode字符U+0080 <control>无法在您的系统默认编码中表示，因此当{{1}将字符串编码为默认编码时，将由?（ASCII代码0x3F = 63）替换}。

Answer 3

这里的字节数组有2个元素 - 这是因为unicode字符的表示不适合1个字节。

在我的机器上，数组包含[-62, -128]。那是因为我的默认编码是UTF-8。如果不指定编码，请勿使用getBytes()。

Answer 4

当你有一个字符编码不支持的字符时，它会变成'？'这是ASCII中的63。

试

System.out.println(Arrays.toString("\u0080".getBytes("UTF-8")));

打印

[-62, -128]

Answer 5

实际上，如果您希望通过toString()调用获得相同的结果，请将UTF-16_LE指定为字符集编码：

bsh %  System.out.println("\u0080".getBytes("UTF-16LE")[0]); 
-128

Java字符串在内部编码为UTF-16，因为我们想要低级字节，如铸造字符 - ＆gt;字节，我们在这里使用小端。如果我们更改数组索引，Big endian也可以工作：

bsh %  System.out.println("\u0080".getBytes("UTF-16BE")[1]);
-128