如何创建 UTF16 字符串 [重复]

Question

有没有办法从头开始创建一个 UTF16 字符串，或者从一个不涉及一些奇怪的“hack”的实际 UTF8 字符串创建一个 UTF16 字符串，比如遍历每个字符并附加一个 00 字节以使其成为 UTF16 字符？

理想情况下，我希望能够做这样的事情：

String s = new String("TestData".getBytes(), StandardCharsets.UTF_16);

但这不起作用，因为字符串文字被解释为 UTF8。

Answer 1

在 java 中，String 实例没有编码。 只是 - 将字符表示为字符，因此没有编码。

编码只是在转换中不是一回事：当您将一堆字符“转换”成一堆字节时，反之亦然 - 除非提供字符集，否则无法执行该操作。

以您的 sn-p 为例。它被打破。你写：

"TestData".getBytes().

这编译。那是不幸的；这是 java 中的 API 设计错误；你永远不应该使用这些方法（那就是：默默地掩盖涉及字符集的事实的方法）。这是从字符（字符串）到字节的转换。如果您阅读getBytes() 方法的javadoc，它会告诉您将使用“平台默认编码”。这意味着它是编写代码的一个很好的公式，它可以通过您机器上的所有测试，然后在运行时失败。

需要平台默认编码是有正当理由的，但我强烈建议您无论如何都不要使用getBytes()。如果您遇到这些罕见的情况之一，请编写 "TestData".getBytes(Charset.defaultCharset())，以便您的代码明确表明此处正在发生使用字符集的转换，并且您希望它成为平台默认值。

所以，回到你的问题：没有像 UTF-16 字符串这样的东西。 （如果这里的“字符串”被认为是：java.lang.String，而不是俚语英语术语，意思是“字节序列”）。

有字节序列之类的东西，表示以 UTF-16 格式编码的 unicode 字符。换句话说，Java 中的“UTF-16 字符串”看起来像byte[]。不是String。

因此，您真正需要的是：

byte[] utf16 = "TestData".GetBytes(StandardCharsets.UTF_16);

你写：

但这不起作用，因为字符串文字被解释为 UTF8。

那是代码的属性，而不是字符串的属性。如果您有一些无法更改的代码，它将使用 UTF8 字符集将字符串转换为字节，并且您不希望这种情况发生，然后找到源并修复它。没有其他解决方案。

特别是，试图破解一些东西，比如你有一个带有 gobbledygook 的字符串，它具有疯狂的属性，如果你使用这个 gobbledygook，使用 UTF8 字符集将其转换为字节，然后将这些字节转换回使用 UTF16 字符集的字符串，你得到你真正想要的 - 不能工作。对于具有每个字节序列都可表示的属性的字符集，例如 ISO_8859_1，这在理论上是可能的（但确实是个坏主意），但 UTF-8 不遵守该属性。有些字节序列在 UTF-8 中只是一个错误，会导致异常。另一方面，不可能制作一个字符串，以便使用 UTF-8 将其解码为字节数组，从而产生特定的所需字节序列。