Java で文字列と UTF8 バイト配列を相互に変換する方法

Question

Java で String を持っており、それをバイト配列として (UTF8 またはその他のエンコーディングで) エンコードしたいと考えています。あるいは、(既知のエンコーディングで) バイト配列があり、それを Java String に変換したいと考えています。これらの変換を行うにはどうすればよいですか?

Answer 1

文字列から byte[] に変換します。

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

byte[] から String に変換します。

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

もちろん、正しいエンコーディング名を使用する必要があります。私の例では、最も一般的な 2 つのエンコーディングである US-ASCII と UTF-8 を使用しました。

Answer 2

変換ごとに Charset ルックアップを実行することを回避するソリューションは次のとおりです。

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

経由で直接変換できます 文字列(バイト[], 文字列) コンストラクターと getBytes(String) メソッド。Java は、利用可能な文字セットを次の方法で公開します。 文字コード クラス。JDK ドキュメント サポートされているエンコーディングのリスト.

90% の場合、このような変換はストリーム上で実行されるため、 読者/ライター クラス。任意のバイト ストリームに対して String メソッドを使用してインクリメンタルにデコードすることはありません。マルチバイト文字に関連するバグにさらされることになります。

Answer 5

私の Tomcat7 実装は文字列を ISO-8859-1 として受け入れます。HTTP リクエストの content-type に関係なく。'é' のような文字を正しく解釈しようとする場合、次の解決策がうまくいきました。

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

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

文字列を US-ASCII として解釈しようとすると、バイト情報が正しく解釈されませんでした。

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

Answer 6

代替案として、 文字列ユーティリティ Apache Commons からのものを使用できます。

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

または

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

標準以外の文字セットを使用している場合は、次を使用できます getBytesUnchecked() または newString() それに応じて。

Answer 7

一連のバイトを通常の文字列メッセージにデコードするために、最終的に次のコードを使用して UTF-8 エンコードで動作させることができました。

/* 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

7 ビット ASCII または ISO-8859-1 (驚くほど一般的な形式) を使用している場合は、新しいファイルを作成する必要はありません。 java.lang.String 全然。単純にバイトを char にキャストする方がはるかにパフォーマンスが高くなります。

完全な動作例:

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

あなたがいる場合 ない を使用して 外字 Ä、Æ、Å、Ç、Ï、Ê のように そして 送信される値が最初の 128 Unicode 文字のみであることを確認できれば、このコードは UTF-8 および拡張 ASCII (cp-1252 など) でも機能します。

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

コメントはできませんが、新しいスレッドを開始したくありません。しかし、これは機能しません。単純な往復:

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

エンコードの前後に同じ配列の b[] が必要ですが、そうではありません（これは最初の回答を参照しています）。

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

非常に遅くなりましたが、この問題に遭遇したところです。これが私の修正です:

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 );
}