java 中的编码字符串长度

Question

我对 bencoding 有点困惑。

根据规范，当我对字符串进行编码时，我需要使用以下格式：

长度:字符串

字符串 spam 变为 4:spam

我的问题：4 是编码字符串的符号数量，还是 utf-8 字节的数量？

例如，如果我要对字符串进行编码 gâteau

该字符串的长度应指定为多少？

我想我必须指定7，最后的形式应该是7:gâteau

因为符号â按照utf-8编码占用2个字节，而该字符串中其余所有符号按照utf-8编码占用1个字节。

另外我听说不建议在 java String 实例中存储编码数据。

换句话说，当我对数据块进行编码时，我应该将其存储为字节数组而不应将其转换为 java 字符串值以避免编码问题。

我的假设是否正确？

Answer 1

According to the specification，编码后的字符串是一个字节序列，你必须指定这个序列的字节数作为它的长度。

并且，根据规范：“所有字符串值均采用 UTF-8 编码”。

对于 "gâteau" 的情况，您应该指定 7 作为长度，因为字符 â 占用 2 个字节。