Question

我正在尝试将java字符串序列化为字节数组，然后再将数组反序列化为字符串。在我测试了unicode字符\ude4e之前，似乎工作正常。由于某种原因，原始字符串"\ud34e"不等于反序列化的字符串。

这是序列化代码（其中encoding = Charset.forName( "UTF-16BE" )和str = "\ud34e"）

ByteArrayOutputStream out = new ByteArrayOutputStream();

Writer temp = new OutputStreamWriter( out, encoding );

temp.write( str );

temp.close();

byte[] bytes = out.toByteArray();

String deserialized = new String( bytes, encoding );

那么我做错了什么？谢谢！

Answer 1

DE4E是代理对的1/2。它本身就是无效的。它将被转换为？或由OutputStreamWriter丢弃。如果使用java.nio类，则可以看到错误。

Answer 2

当我在在线Unicode charts上查找代码de4e时，它表示此代码位于低代理图表中。它本身不是一个字符，而是一个在UTF-16中使用的特殊代码（根据那里的文档）。

Unicode并不像单个字符映射到单个代码点那么简单 - 有很多怪癖和事物，不同的代码点和字节序列可能引用相同的字符。

当序列化和反序列化时，某些代码点很可能产生不同但等效的代码点。

Answer 3

public static void main(String[] args) throws IOException {
    Charset encoding = Charset.forName( "UTF-16BE" );

    ByteArrayOutputStream out = new ByteArrayOutputStream();

    Writer temp = new OutputStreamWriter( out, encoding );

    String str = "\ud34e";

    temp.write( str );

    temp.close();

    byte[] bytes = out.toByteArray();

    String deserialized = new String( bytes, encoding );

    System.out.println("'" + str + "' / '" + deserialized + "' / " + (str.equals(deserialized)));
}

对我来说，输出是：

'?' / '?' / true

即。他们是平等的......

我正在使用： java版“1.6.0_24” Java（TM）SE运行时环境（版本1.6.0_24-b07） Java HotSpot（TM）64位服务器VM（版本19.1-b02，混合模式）

Answer 4

虽然它不是一个有效的字符，但@Ant显示编码解码返回原始字符。这可能是因为UTF-16是一种非常简单的直接编码，与Java的16位字符表示相符。

如果我们尝试使用UTF-8，编码应该会产生致命错误。 UTF-8无法编码代理对的一半。

Java String-＆gt; unicode-＆gt;字符串转换不一致

4 个答案: