Java 8 UTF-8编码问题（java bug？）

Question

使用UTF-8编码创建字符串时存在不一致的地方。

运行此代码：

public static void encodingIssue() throws IOException {
    byte[] array = new byte[3];
    array[0] = (byte) -19;
    array[1] = (byte) -69;
    array[2] = (byte) -100;

    String str = new String(array, "UTF-8");
    for (char c : str.toCharArray()) {
        System.out.println((int) c);
    }
}

在Java 1.8.0_20（及更早版本）上，我们得到结果

 65533

在Java 1.7和1.6上，我们得到正确的结果：

 57052

您遇到此错误了吗？有没有解决方法？

对于Shift_JIS，JIS_X0212-1990，x-IBM300，x-IBM834，x-IBM942，x-IBM942C，x-JIS0208来说，这种不一致也很明显，但显然UTF-8更为紧急。

Answer 1

它是“ Modified UTF-8
”
编码的一个属性，用于存储代理对（甚至该范围的未配对字符），例如单个字符。如果声称使用标准的解码器UTF-8使用“ Modified
UTF-8
” ，那就是一个错误。这似乎已在Java 8中修复。

您可以使用 指定 使用“ Modified UTF-8 ” 的方法可靠地读取此类数据：

ByteBuffer bb=ByteBuffer.allocate(array.length+2);
bb.putShort((short)array.length).put(array);
ByteArrayInputStream bis=new ByteArrayInputStream(bb.array());
DataInputStream dis=new DataInputStream(bis);
String str=dis.readUTF();