如何转换字符串和从UTF8字节数组在Java

在Java中，我有一个字符串，我想将它编码为字节数组(在UTF8中，或其他编码中)。或者，我有一个字节数组(在一些已知的编码中)，我想将它转换为Java String。我怎么做这些转换?

763633 次浏览
小开 
String original = "hello world";
byte[] utf8Bytes = original.getBytes("UTF-8");
小开
最佳答案

从String转换为byte[]:

String s = "some text here";
byte[] b = s.getBytes(StandardCharsets.UTF_8);

从byte[]转换为String:

byte[] b = {(byte) 99, (byte)97, (byte)116};
String s = new String(b, StandardCharsets.US_ASCII);

当然，您应该使用正确的编码名称。我的示例使用了US-ASCII和UTF-8这两种常用的编码。

小开

可以直接通过字符串(byte[],字符串)构造函数和getBytes(String)方法进行转换。Java通过字符集类公开可用的字符集。JDK文档列出支持的编码。

90%的情况下，这样的转换是在流上执行的，所以你可以使用读者/作家类。您不能在任意字节流上使用String方法进行增量解码——您可能会遇到涉及多字节字符的错误。

小开

非常晚，但我刚刚遇到了这个问题，这是我的解决方案:

private static String removeNonUtf8CompliantCharacters( final String inString ) {
if (null == inString ) return null;
byte[] byteArr = inString.getBytes();
for ( int i=0; i < byteArr.length; i++ ) {
byte ch= byteArr[i];
// remove any characters outside the valid UTF-8 range as well as all control characters
// except tabs and new lines
if ( !( (ch > 31 && ch < 253 ) || ch == '\t' || ch == '\n' || ch == '\r') ) {
byteArr[i]=' ';
}
}
return new String( byteArr );
}
小开

这里有一个解决方案，避免执行Charset查找每次转换:

import java.nio.charset.Charset;


private final Charset UTF8_CHARSET = Charset.forName("UTF-8");


String decodeUTF8(byte[] bytes) {
return new String(bytes, UTF8_CHARSET);
}


byte[] encodeUTF8(String string) {
return string.getBytes(UTF8_CHARSET);
}
小开

如果你使用的是7位ASCII或ISO-8859-1(一种非常常见的格式)，那么你根本不需要创建一个新的以。简单地将字节转换为char类型的性能要好得多:

完整的工作示例:

for (byte b : new byte[] { 43, 45, (byte) 215, (byte) 247 }) {
char c = (char) b;
System.out.print(c);
}

如果你是不，使用一些，如Ä， Æ， Å， Ç， Ï， Ê 而且可以确保唯一传输的值是前128个Unicode字符，那么这段代码也适用于UTF-8和扩展ASCII(如cp-1252)。

小开 
//query is your json


DefaultHttpClient httpClient = new DefaultHttpClient();
HttpPost postRequest = new HttpPost("http://my.site/test/v1/product/search?qy=");


StringEntity input = new StringEntity(query, "UTF-8");
input.setContentType("application/json");
postRequest.setEntity(input);
HttpResponse response=response = httpClient.execute(postRequest);
小开

我的tomcat7实现是接受字符串作为ISO-8859-1;不管HTTP请求的内容类型是什么。当我试图正确解释'é'这样的字符时，下面的解决方案对我有效。

byte[] b1 = szP1.getBytes("ISO-8859-1");
System.out.println(b1.toString());


String szUT8 = new String(b1, "UTF-8");
System.out.println(szUT8);

当试图将字符串解释为US-ASCII时，字节信息没有正确解释。

b1 = szP1.getBytes("US-ASCII");
System.out.println(b1.toString());
小开

作为替代，可以使用Apache Commons中的stringutil。

 byte[] bytes = {(byte) 1};
String convertedString = StringUtils.newStringUtf8(bytes);

或

 String myString = "example";
byte[] convertedBytes = StringUtils.getBytesUtf8(myString);

如果你有非标准字符集，你可以相应地使用getBytesUnchecked ()或部份()。

小开 
Reader reader = new BufferedReader(
new InputStreamReader(
new ByteArrayInputStream(
string.getBytes(StandardCharsets.UTF_8)), StandardCharsets.UTF_8));
小开

我不能评论，但不想开始一个新的线程。但这行不通。一个简单的往返:

byte[] b = new byte[]{ 0, 0, 0, -127 };  // 0x00000081
String s = new String(b,StandardCharsets.UTF_8); // UTF8 = 0x0000, 0x0000,  0x0000, 0xfffd
b = s.getBytes(StandardCharsets.UTF_8); // [0, 0, 0, -17, -65, -67] 0x000000efbfbd != 0x00000081

我需要b[]在编码之前和编码之后是相同的数组(这指向第一个答案)。

小开 
Charset UTF8_CHARSET = Charset.forName("UTF-8");
String strISO = "{\"name\":\"א\"}";
System.out.println(strISO);
byte[] b = strISO.getBytes();
for (byte c: b) {
System.out.print("[" + c + "]");
}
String str = new String(b, UTF8_CHARSET);
System.out.println(str);
小开

为了解码一系列字节到一个正常的字符串消息，我最终得到了它与UTF-8编码工作与以下代码:

/* Convert a list of UTF-8 numbers to a normal String
* Usefull for decoding a jms message that is delivered as a sequence of bytes instead of plain text
*/
public String convertUtf8NumbersToString(String[] numbers){
int length = numbers.length;
byte[] data = new byte[length];


for(int i = 0; i< length; i++){
data[i] = Byte.parseByte(numbers[i]);
}
return new String(data, Charset.forName("UTF-8"));
}

提交答案