Como converter seqüências de e para matrizes UTF8 byte em Java
-
01-07-2019 - |
Pergunta
Em Java, eu tenho uma String e eu quero codificá-lo como uma matriz de bytes (em UTF8, ou algum outro tipo de codificação). Como alternativa, eu tenho uma matriz de bytes (em alguns codificação conhecida) e eu quero convertê-lo em um String Java. Como eu faço essas conversões?
Solução
Converter de String para byte []:
String s = "some text here";
byte[] b = s.getBytes(StandardCharsets.UTF_8);
Converter de byte [] para String:
byte[] b = {(byte) 99, (byte)97, (byte)116};
String s = new String(b, StandardCharsets.US_ASCII);
Você deve, é claro, usar o nome de codificação correta. Meus exemplos utilizados US-ASCII e UTF-8, as duas codificações mais comuns.
Outras dicas
Aqui está uma solução que evite realizar a 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);
}
String original = "hello world";
byte[] utf8Bytes = original.getBytes("UTF-8");
Você pode converter diretamente através do String (byte [], string) método construtor e getBytes (corda). Java expõe conjuntos de caracteres disponíveis através do Charset classe. A documentação JDK listas apoiadas codificações .
90% do tempo, tais conversões são realizadas em córregos, então você pode usar o leitor / aulas escritor. Você não iria de forma incremental decodificar usando os métodos da corda em byte arbitrário córregos -. Você iria deixar-se abrir a erros envolvendo caracteres de vários bytes
Meu implementação tomcat7 está aceitando cordas como ISO-8859-1; apesar do tipo de conteúdo da solicitação HTTP. A solução a seguir trabalhou para mim quando se tenta interpretar corretamente personagens como 'E'.
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, a informação byte não foi corretamente interpretado.
b1 = szP1.getBytes("US-ASCII");
System.out.println(b1.toString());
Como alternativa, StringUtils de 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 tem charset não-padrão, você pode usar getBytesUnchecked () ou newString () em conformidade.
Para decodificar uma série de bytes a uma mensagem seqüência normal, eu finalmente tenho que trabalhar com codificação UTF-8 com 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"));
}
Se você estiver usando ASCII 7-bit ou ISO-8859-1 (um formato incrivelmente comum), então você não tem que criar uma nova java.lang.String em tudo. É muito mais performance do que simplesmente lançar o byte em caractere:
exemplo de trabalho completa:
for (byte b : new byte[] { 43, 45, (byte) 215, (byte) 247 }) {
char c = (char) b;
System.out.print(c);
}
Se você é não usando estendido-caracteres como um, Æ, A, C, I, E e pode ter certeza de que o apenas valores transmitidos são dos primeiros 128 caracteres Unicode, em seguida, este código também funcionará para UTF-8 e ASCII estendida (como CP-1252).
//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);
Eu não posso comentar, mas não quero começar um novo segmento. 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 b [] a mesma matriz antes e após a codificação que não é (esta referências para a primeira resposta).
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);
Reader reader = new BufferedReader(
new InputStreamReader(
new ByteArrayInputStream(
string.getBytes(StandardCharsets.UTF_8)), StandardCharsets.UTF_8));
terrivelmente tarde, mas eu só encontrei esta questão e esta é a minha correção:
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 );
}