在字节变量中强制使用 Unicode

Question

我最近发现您可以通过以下方式将字符串转换为字节数组：

String S = "ab";
byte arr[] = S.getBytes();

现在，我尝试使用字符串 "\u9999"，答案是 [63]。我认为它会是 9999 (mod 128) = 15 这实际上是我们做 byte b = 9999 得到的结果。 63背后的原因是什么？

Answer 1

对于 Unicode 字符，您可以在对 getBytes:

的调用中指定编码

byte arr[] = S.getBytes("UTF8");

就您得到 63 结果的原因而言，不带参数的 getBytes 调用使用您平台的默认编码。字符 \u9999 无法在您的默认编码中正确表示，因此会变成 ?，在 ASCII 中具有十进制值 63。

Answer 2

这是关于默认字符集的。这可能与您的 java 文件的编码有关。

(在我的机器上，当我用 cp1252 编码编译 java 文件时，getBytes() 似乎也使用 cp1252 作为默认字符集。由于 cp1252 不支持 unicode 字符，它变成? 字符，即 63。当我使用 UTF-16 编码编译 java 时，getBytes() returns 数据 0x9999 符合预期。 )

The behavior of this method when this string cannot be encoded in the default charset is unspecified. (Source: getBytes() from oracle.com)

我的建议是简单地使用"\u9999".getBytes(StandardCharsets.UTF_16LE)（或UTF_16BE）来获得你想要的2字节数组。因此无需担心 java 源代码的编码。该数组应为 {-103,-103}.

值为 -103 的

byte 在内存中表示为 0x99.

在字节变量中强制使用 Unicode

Forcing Unicode in byte variable

java

string

unicode

byte

bytearray