UTF-8 的字符串构造函数是否损坏？答案

【问题标题】：Is the String Constructor from UTF-8 Broken?UTF-8 的字符串构造函数是否损坏？
【发布时间】：2015-05-21 23:10:37
【问题描述】：

我有以下代码从缓冲区加载空终止的多字节字符串。它名义上将数据解释为 UTF-8，但如果转换失败，它会将数据解释为 ISO-8859-1。代码如下：

@Override
   public String format(String date_format, boolean use_locale, int precision)
   {
      String rtn = null;
      int len = 0;
      for(int i = 0; i < max_len; ++i)
      {
         if(storage[storage_offset + i] != 0)
            ++len;
         else
            break;
      }
      try
      {
         rtn = new String(storage, storage_offset, len, "UTF-8");
      }
      catch(UnsupportedEncodingException e1)
      {
         try
         {
            rtn = new String(storage, storage_offset, len, "ISO-8859-1");
         }
         catch(UnsupportedEncodingException e2)
         { }
      }
      return rtn;
   }

我的意图是，如果 UTF-8 的字符串解码失败，我们可以回退。这取决于抛出的 UnsupportedEncodingException。我已经对此代码进行了测试，该代码通过了扩展字符（大于 128 的代码）而没有预期的 UTF-8 模式。我发现没有抛出异常，并且为转换后的字符串显示了未知的字形。我的问题是标准库实现是否有任何更改会导致异常不被抛出？

【问题讨论】：

请提供 MCVE。

标签： java android utf-8

【解决方案1】：

UnsupportedEncodingException 如果字符集本身不受支持（也就是说，您指定了一个字符集而系统无法识别该名称），则抛出 UnsupportedEncodingException - 如果字节编码不正确，则不会。请注意，采用java.nio.charset.Charset 的相应构造函数确实不抛出该异常（因为没有名称可以映射到Charset，因此不可能不存在映射）。

String(byte[], int, int, String) 的文档指定了行为（即未指定:)）并提出修复建议：

当给定字节在给定字符集中无效时，此构造函数的行为未指定。当需要对解码过程进行更多控制时，应使用CharsetDecoder 类。

【讨论】：

【解决方案2】：

根据that String constructor 的文档，仅当指定的 charsetName 未知时才会引发 UnsupportedEncodingException。

当给定字节在给定字符集中无效时，此构造函数的行为未指定。当需要对解码过程进行更多控制时，应使用 CharsetDecoder 类。

【讨论】：

【解决方案3】：

您可以测试字符集是否可用。
要获取可用的字符集，请使用：

SortedMap<String, Charset> availableCharsets = Charset.availableCharsets();
    for (Map.Entry<String, Charset> entrySet : availableCharsets.entrySet()) {
        String key = entrySet.getKey();
        Charset value = entrySet.getValue();
        System.out.println("key: " + key + " value: " + value.name());
    }
    System.out.println("The default Charset is: " + Charset.defaultCharset().name());

【讨论】：