为什么 US-ASCII 编码接受非 US-ASCII 字符？

Question

考虑以下代码：

public class ReadingTest {

    public void readAndPrint(String usingEncoding) throws Exception {
        ByteArrayInputStream bais = new ByteArrayInputStream(new byte[]{(byte) 0xC2, (byte) 0xB5}); // 'micro' sign UTF-8 representation
        InputStreamReader isr = new InputStreamReader(bais, usingEncoding);
        char[] cbuf = new char[2];
        isr.read(cbuf);
        System.out.println(cbuf[0]+" "+(int) cbuf[0]);
    }

    public static void main(String[] argv) throws Exception {
        ReadingTest w = new ReadingTest();
        w.readAndPrint("UTF-8");
        w.readAndPrint("US-ASCII");
    }
}

观察到的输出：

µ 181
? 65533

为什么第二次调用readAndPrint()（使用US-ASCII）会成功？我希望它会引发错误，因为输入不是此编码中的正确字符。 Java API 或 JLS 中的什么地方要求这种行为？

Answer 1

我会说，这与构造函数相同 String(byte bytes[], int offset, int length, Charset charset):

此方法总是用此字符集的默认替换字符串替换格式错误的输入和不可映射的字符序列。当需要对解码过程进行更多控制时，应使用 java.nio.charset.CharsetDecoder 类。

使用CharsetDecoder，您可以指定不同的CodingErrorAction。

Answer 2

在输入流中查找不可解码字节时的默认操作是将它们替换为 Unicode 字符 U+FFFD REPLACEMENT CHARACTER。

如果你想改变它，你可以传递一个CharacterDecoder to the InputStreamReader，它配置了一个不同的CodingErrorAction：

CharsetDecoder decoder = Charset.forName(usingEncoding).newDecoder();
decoder.onMalformedInput(CodingErrorAction.REPORT);
InputStreamReader isr = new InputStreamReader(bais, decoder);