java中的字节数组和字符串

Question

        byte arr[] = new byte[] {56, 99, 87, 77, 73, 90, 105, -23, -52, -85, -9, -55, -115, 11, -127, -127};
        String s= new String(arr);
        Arrays.equals(arr, s.getBytes()));  // returns false

为什么数组不相等？我希望getBytes（）返回原始的字节数组。

Answer 1

下面的构造函数将读取byte数组并根据默认字符集对其进行解码。

new String(arr);

所以当你这么做的时候

String s= new String(arr);
 s.getBytes()

bytes（）再次返回之前根据默认字符集解码的数组。

如果使用调试器进行检查，可以看到新字符串（字节[]）方法如何适用于UTF-8默认字符集。您将看到字节{-127}被解码为{-17，-65，-67}，因为-127作为字节对Utf-8无效。所以{-127}被解码成{-17，-65，-67}，因为这代表了Utf-8的替换字符-

实际上，字节数组的任何元素如果不能作为有效的Utf-8字符进行匹配，当这是默认字符集时，它就会被转换成{-17，-65，-67}，这是�.

在您的示例中，以下字节{-9，-127，-23}对于Utf-8字符集无效。所以之前的3个元素数组被转换为��� 在字节数组中，它再次由{-17，-65，-67，-17，-65，-67，-17，-65，-67}表示

Answer 2

你似乎认为字节和字符是可以互换的。

事实并非如此。

要将字符转换成字节，您需要使用字符集编码对字符进行编码。要将字节转换成字符，您需要使用字符集编码对它们进行解码。没有字符集编码，就没有将一个字符转换成另一个字符的事情。

过渡字节-

这里使用的方法（包括str.getBytes和new String（byteArr））都使用“平台默认编码”。从JDK18开始，它被保证是UTF-8（从而保证它不会正常工作），在那之前，它是系统默认编码的内容，我们不知道。

US-ASCII不起作用，因为US_ASCII只将所有字节的子集定义为“有效”：0-126。大多数字节（所有字节都带有负号）都不是有效的ASCII码。

UTF-8不能工作，因为并非所有字节序列都是有效的UTF-8。换句话说，有些字节序列不能用UTF_8产生。

更重要的是，整个原则都被打破了。即使你知道它是ISO-8859-1，你想通过这样做实现什么？您可以将任意字节数组转换为ISO-8859-1，然后再转换回来，而不会丢失任何内容，但这有什么意义呢？你可以很容易地用NUL字符、制表符、空格、“铃铛”音和其他奇怪的声音产生造成破坏的字符串。这是你永远都不想打印的字符串。这就提出了一个问题：那你为什么想要一个呢？

对于这个问题，只有一个合理的答案，那就是：我希望通过一个只支持字符串的媒体来传输这些字节。例如，我有一些原始字节，我想把它们放在电子邮件中，或者放在jira罚单的表单字段中，或者诸如此类的傻事中，出于某种原因，附件不是这个选项。或者我想把它塞进一个URL（https://www.foo.bar/?q=raw-此处为字节）。

这样做有两个答案，都不涉及新字符串（byteArr）：

任何原始字节都可以简单地转换为十六进制表示：255（或-1，在有符号字节形式中，它是相同的）转换为FF。1变为01-所有字节的长度始终正好为2个字符。你可以使用：

byte f = -1;
String nibbled = String.format("%02X", (int) f);
System.out.println(nibbled); // prints 'FF'

单个字母/数字（0-9A-F。从技术上讲，这只是一个数字，在十六进制中，a-F也是数字）被称为“半字节”（因为它是半字节，请看。男孩，这些术语发明时的60年代是一个笑话，不是吗）。

这有点低效；一个由X字节组成的字节数组会变成一个由2*X个字符组成的字符串（每个字符可能需要2个字节，例如，如果它是UTF-16编码的，那么总效率为25%，哎哟）。但它的可读性和通用性都很低。它适用于短字节（小于500字节左右）数组。

另一个优点是，如果可以读取十六进制，并且如果有符号，则可以读取2的补码，则可以查看字符串并知道数据是什么，这并不太困难。

Base64是一个简单的编码方案，它定义了64个“安全”字符，你知道这些字符会安全地“存活”，而不会被损坏或误解。这给了你每个字符6位的数据。字节是8，所以你可以用这种方法把3个字节“塞进”4个字符；例如，一个900字节的数组变成1200个字符。

Java内置了base64编码/解码。

byte arr[] = new byte[] {56, 99, 87, 77, 73, 90, 105, -23, -52, -85, -9, -55, -115, 11, -127, -127};
String s = Base64.getEncoder().encodeToString(arr);
// s is all ASCII chars and safe to include just about everywhere.
// URL parameter, emails, web forms, you name it.
byte[] arr2 = Base64.getDecoder().decode(s);
Arrays.equals(arr, arr2); // true, guaranteed.

Base64稍微复杂一些，你不能再盯着一个Base64字符串，只看字节矩阵样式。但它比半字节形式更高效：效率为75%（如果底层字符每个字符占用2字节，即使用UTF-16，则效率为37.5%）。

Answer 3

这取决于您的Charset.defaultCharset（）。这决定了如何解释字节。负值可能是表示代码点的非规范方式。

（看这个伟大的答案：https://stackoverflow.com/a/7934397/461499）

然后，将getBytes（）重新解释为字符串将是标准的方法，并将返回true

    System.out.println(Charset.defaultCharset()); //UTF-8 here :)

    byte arr[] = new byte[] {56, 99, 87, 77, 73, 90, 105, -23, -52, -85, -9, -55, -115, 11, -127, -127};
    String s= new String(arr);
    System.out.println(s);
    // [56, 99, 87, 77, 73, 90, 105, -17, -65, -67, -52, -85, -17, -65, -67, -55, -115, 11, -17, -65, -67, -17, -65, -67]

    byte arr2[] = new byte[] {56, 99, 87, 77, 73, 90, 105, -17, -65, -67, -52, -85, -17, -65, -67, -55, -115, 11, -17, -65, -67, -17, -65, -67};
    System.out.println(Arrays.toString(s.getBytes()));  
    System.out.println(Arrays.equals(arr, s.getBytes()));  // returns false

    String s2= new String(arr2);
    System.out.println(Arrays.toString(s2.getBytes()));
    System.out.println(Arrays.equals(arr2, s2.getBytes()));  // returns true