utf8 - utf 8 java




Como converter seqüências de caracteres para e de matrizes de bytes UTF8 em Java (9)

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);
}

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?


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.


Minha implementação do tomcat7 está aceitando strings como ISO-8859-1; apesar do tipo de conteúdo da solicitação HTTP. A solução a seguir funcionou para mim ao tentar interpretar corretamente caracteres como 'é'.

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

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

Ao tentar interpretar a string como US-ASCII, as informações de byte não foram interpretadas corretamente.

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

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).


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).


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.


//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);

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);

String original = "hello world";
byte[] utf8Bytes = original.getBytes("UTF-8");






character-encoding