getbytes Como converter seqüências de caracteres para e de matrizes de bytes UTF8 em Java




utf 8 java (11)

Como alternativa, o StringUtils do Apache Commons pode ser usado.

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

ou

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

Se você tiver um conjunto de caracteres não padrão, poderá usar getBytesUnchecked() ou newString() acordo.

Em Java, eu tenho uma String e quero codificá-la como uma matriz de bytes (em UTF8 ou alguma outra codificação). Como alternativa, tenho uma matriz de bytes (em alguma codificação conhecida) e quero convertê-la em uma string Java. Como faço essas conversões?


Aqui está uma solução que evita a realização da pesquisa Charset para cada conversão:

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);
}

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

Para decodificar uma série de bytes em uma mensagem de string normal, finalmente consegui trabalhar com a codificação UTF-8 com este código:

/* 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"));
}

//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);

Se você estiver usando ASCII de 7 bits ou ISO-8859-1 (um formato incrivelmente comum), você não precisará criar um novo java.lang.String . É muito mais produtivo simplesmente converter o byte em char:

Exemplo de trabalho completo:

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

Se você não estiver usando caracteres estendidos como Ä, Æ, Å, Ç, Ï, Ê e pode ter certeza de que os únicos valores transmitidos são dos primeiros 128 caracteres Unicode, então este código também funcionará para UTF-8 e ASCII estendido. (como cp-1252).


terrivelmente atrasado, mas eu só encontrei este problema e esta é a minha correção:

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 );
}

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);

Converter de string para byte []:

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

Converter de byte [] para String:

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

Você deve, obviamente, usar o nome de codificação correto. Meus exemplos usavam o US-ASCII e o UTF-8, as duas codificações mais comuns.


Você pode converter diretamente através do construtor String (byte [], String) e método getBytes (String). Java expõe conjuntos de caracteres disponíveis através da classe Charset . A documentação do JDK lista as codificações suportadas .

Em 90% do tempo, essas conversões são realizadas em streams, então você usaria as classes Reader / Writer . Você não decodificaria incrementalmente usando os métodos String em fluxos de byte arbitrários - você ficaria aberto a bugs envolvendo caracteres multibyte.


Não posso comentar mas não quero começar um novo tópico. Mas isso não está funcionando. Uma simples ida e volta:

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

Eu precisaria de b [] a mesma matriz antes e depois da codificação, o que não é (isso se refere à primeira resposta).





character-encoding