Cómo convertir Cadenas a y desde UTF8 matrices de bytes de Java

Question

En Java, tengo una Cadena y quiero codificar como una matriz de bytes (en UTF8, o alguna otra codificación).Alternativamente, tengo una matriz de bytes (en algunos conocidos de codificación) y quiero convertirlo en un Java Cadena.¿Cómo puedo hacer estas conversiones?

Answer 1

Convertir de String byte[]:

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

Convertir a partir del byte[] String:

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

Usted debe, por supuesto, el uso correcto del nombre de codificación.Mis ejemplos utilizados US-ASCII y UTF-8, los dos más comunes codificaciones.

Answer 2

He aquí una solución que evita realizar el juego de Caracteres de búsqueda para cada conversión:

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);
}

Answer 3

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

Answer 4

Usted puede convertir directamente a través de la String(byte[], String) constructor y el método getBytes(Cadena) método.Java expone los juegos de caracteres disponibles a través de la Charset clase.La documentación del JDK las listas de admitidos codificaciones.

El 90% de las veces, este tipo de conversiones se realizan en las corrientes, por lo que tendría que utilizar la Lector/Escritor clases.No incremental de decodificar el uso de la Cadena de métodos arbitrarias de flujos de bytes que quedan abiertos a los errores que involucran caracteres multibyte.

Answer 5

Mi tomcat7 aplicación es la aceptación de cadenas de caracteres ISO-8859-1;a pesar de que el tipo de contenido de la petición HTTP.La siguiente solución que funcionó para mí cuando se trata de interpretar correctamente los caracteres como la "é".

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

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

Cuando se trata de interpretar la cadena como US-ASCII, el byte de información no se interpreta correctamente.

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

Answer 6

Como una alternativa, StringUtils de Apache Commons se pueden utilizar.

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

o

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

Si usted no estándar del conjunto de caracteres, puede utilizar getBytesUnchecked() o newString() en consecuencia.

Answer 7

Para la decodificación de una serie de bytes de una cadena normales mensaje que finalmente consiguió trabajo con la codificación UTF-8 con 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"));
}

Answer 8

Si usted está usando 7-bit ASCII o ISO-8859-1 (un increíblemente formato común), entonces usted no tiene que crear una nueva java.lang.Cadena en todos los.Es mucho mucho más eficientes a fundido el byte en char:

Trabajo completo de ejemplo:

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

Si usted está no el uso de extendido de caracteres como Ä, Æ Å, Ç, Ï Ê y puede estar seguro de que la única transmisión de valores son de los primeros 128 caracteres Unicode, este código también funcionará para UTF-8 y ASCII extendido (como cp-1252).

Answer 9

//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);

Answer 10

No puedo comentar, pero no quiero empezar un nuevo hilo.Pero esto no está funcionando.Un simple viaje redondo:

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

Yo necesitaría b[] de la misma matriz antes y después de la codificación, que no lo es (esto referentes a la primera respuesta).

Answer 11

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);

Answer 12

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

Answer 13

terriblemente tarde, pero acabo encontrado con este problema y este es mi revisión:

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 );
}