java - 将字符串转换为 UTF-8 字符时的奇怪行为

Question

我在 Oracle 数据库中将数据类型存储为 blob (XML)。 我正在检索此列并转换为 byte[]，然后转换为字符串。我做了一些字符串操作并将其转换为 UTF-8 格式并插入回数据库中。一些特殊字符作为垃圾字符插入。我真的不知道我做错了什么？ 任何想法/帮助将不胜感激。

这是源代码。

     // DB COnnection
     // Get the resultset

     Blob data = (Blob) rs.getBlob(3);
 byte[] bdata = data.getBytes(1,(int)data.length());  

 // Converting to String and doing operation
 s = new String(bdata);   
 // String operation


 // Before inserting into DB, converting to UTF-8 format.
 byte[] dataAsByteArray = s.getBytes("UTF8");  
 updateStmt.setBinaryStream(1,
          new  ByteArrayInputStream(dataAsByteArray),dataAsByteArray.length);

 commit();

Answer 1

BLOB 最初是 UTF-8 格式吗？如果它是 真的 在 XML 中，我会使用 XML API 来读取和解释 header 。 header (如果存在)可以指定字符编码。参见 DocumentBuilder ，并将 BLOB 读取为 InputStream，以避免在您这边进行任何字节到字符的转换。

请注意，在上面，当您将其转换为 String 时，您不会在那里指定字节到字符的编码。

 // Converting to String and doing operation
 s = new String(bdata);

上面使用了 JVM 运行时使用的默认字符集 (doc here)。所以我认为上面有一些错误的可能性。我会确认 BLOB 的字符编码，并在字符串转换中强制执行字节到字符的编码。

此外，我不记得除了 UTF-8 之外，UTF8 是否有效用于指定编码。我想这可能是因为我预计会出现异常，但也许值得检查一下。