方法 getBytes() 返回未知字节答案

【问题标题】：unknown bytes is returned by method getBytes()方法 getBytes() 返回未知字节
【发布时间】：2011-05-10 20:11:26
【问题描述】：



import java.io.UnsupportedEncodingException;
import java.util.Arrays;

public class Main {
 public static void main(String[] args)
 {
  try 
  {
   String s = "s";
   System.out.println( Arrays.toString( s.getBytes("utf8") ) );
   System.out.println( Arrays.toString( s.getBytes("utf16") ) );
   System.out.println( Arrays.toString( s.getBytes("utf32") ) );
  }  
  catch (UnsupportedEncodingException e) 
  {
   e.printStackTrace();
  }
 }
}

控制台：


[115]
[-2, -1, 0, 115]
[0, 0, 0, 115]

这是什么？

[-2, -1] - ???

另外，我注意到，如果我这样做：


String s = new String(new char[]{'\u1251'});
System.out.println( Arrays.toString( s.getBytes("utf8") ) );
System.out.println( Arrays.toString( s.getBytes("utf16") ) );
System.out.println( Arrays.toString( s.getBytes("utf32") ) );

控制台：


[-31, -119, -111]
[-2, -1, 18, 81]
[0, 0, 18, 81]

【问题讨论】：

标签： java string unicode

【解决方案1】：

-2、-1 是字节顺序标记 (BOM - U+FEFF)，表示以下文本以 UTF-16 格式编码。

您可能会得到这个，因为虽然只有一种 UTF8 和 UTF32 编码，但有两种 UTF16 编码 UTF16LE 和 UTF16BE，其中 16 位值中的 2 个字节以 Big-Endian 或 Little Endian 格式存储。

由于返回的值是0xFE xFF，这表明编码是UTF16BE

【讨论】：

【解决方案2】：

java中的字节是有符号类型，所以它有负值是完全正常的。

【讨论】：

【解决方案3】：

不要忘记在 Java 中字节是无符号的。所以 -2, -1 真的意味着 0xfe 0xff... 而 U+FEFF 是 Unicode byte order mark (BOM)... 这就是您在 UTF-16 版本中看到的内容。

为避免在编码时获取 BOM，请明确使用 UTF-16BE 或 UTF-16LE。（我还建议使用names which are guaranteed by the platform 而不仅仅是“utf8”等。诚然，可以保证不区分大小写地找到该名称，但是缺少连字符会使其可靠性降低，并且使用规范没有缺点名字。）

【讨论】：

+1 代表拥有 238k 代表。你必须知道你在说什么。

【解决方案4】：

神秘的-2, -1 是一个UTF-16 Byte Order Mark (BOM)。其他负值只是字节。在 Java 中，byte 类型是有符号的，范围从 -128 到 +127。

【讨论】：