java - 将字符串转换为 byte[] 返回错误值(编码？)

Question

我从一个文件中读取一个byte[]并将其转换为一个String:

byte[] bytesFromFile = Files.readAllBytes(...);
String stringFromFile = new String(bytesFromFile, "UTF-8");

我想将它与我从 Web 服务获得的另一个 byte[] 进行比较:

String stringFromWebService = webService.getMyByteString(); 
byte[] bytesFromWebService = stringFromWebService.getBytes("UTF-8");

所以我从一个文件中读取了一个 byte[] 并将其转换为一个 String 然后我从我的网络服务中得到了一个 String 并且将其转换为 byte[]。然后我进行以下测试:

// works!
org.junit.Assert.assertEquals(stringFromFile, stringFromWebService);

// fails!
org.junit.Assert.assertArrayEquals(bytesFromFile, bytesFromWebService);

为什么第二个断言会失败？

Answer 1

其他答案涵盖了可能的事实，即文件不是 UTF-8 编码，从而导致所描述的症状。

但是，我认为这其中最有趣的方面不是 byte[] 断言失败，而是 assert 字符串值相同 通过。我不是 100% 确定这是为什么，但我认为以下对源代码的拖网可能会给我们答案:

• 看看如何 new String(bytesFromFile, "UTF-8");有效 - 我们看到构造函数调用了 StringCoding.decode()
• 反过来，如果提供了 UTF-8 字符集，则调用 StringDecoder.decode()
• 这会调用 CharsetDecoder.decode()如果字符不可映射(我猜如果出现非 UTF-8 字符会出现这种情况)

• 在本例中，它使用了一个 Action defined by

  private CodingErrorAction unmappableCharacterAction
      = CodingErrorAction.REPORT;
  

• 这意味着它仍然是reports the character it has decoded ，即使它在技术上是不可映射的。

• 我认为这意味着即使代码得到一个不可映射的字符，它也会替换它的最佳猜测 - 所以我猜测它的最佳猜测是正​​确的，因此 String 表示是对比下一样，但是byte[]已经不一样了。

StringCoding.decode() 中 CharacterCodingException 的 catch block 说:

>

} catch (CharacterCodingException x) {
            // Substitution is always enabled,
            // so this shouldn't happen