Java错误？为什么在 utf8 编码中额外的零字节？

Question

下面的代码

public class CharsetProblem {
public static void main(String[] args) {
    //String str = "aaaaaaaaa";
    String str = "aaaaaaaaaa";
    Charset cs1 = Charset.forName("ASCII");
    Charset cs2 = Charset.forName("utf8");

    System.out.println(toHex(cs1.encode(str).array()));
    System.out.println(toHex(cs2.encode(str).array()));

}

public static String toHex(byte[] outputBytes) {

    StringBuilder builder = new StringBuilder();

    for(int i=0; i<outputBytes.length; ++i) {
        builder.append(String.format("%02x", outputBytes[i]));
    }

    return builder.toString();
}
}

返回

61616161616161616161
6161616161616161616100

即utf8 编码返回多余的字节。如果我们减少 a-s，那么我们将没有多余的字节。如果我们采用更多的 a-s，我们可以获得越来越多的多余字节。

为什么？

如何解决这个问题？

Answer 1

您不能只获取支持数组并使用它。 ByteBuffers 有一个 capacity, position and a limit .

System.out.println(cs1.encode(str).remaining());
System.out.println(cs2.encode(str).remaining());

产生:

10
10

试试这个:

public static void main(String[] args) {
  //String str = "aaaaaaaaa";
  String str = "aaaaaaaaaa";
  Charset cs1 = Charset.forName("ASCII");
  Charset cs2 = Charset.forName("utf8");

  System.out.println(toHex(cs1.encode(str)));
  System.out.println(toHex(cs2.encode(str)));
}

public static String toHex(ByteBuffer buff) {
  StringBuilder builder = new StringBuilder();
  while (buff.remaining() > 0) {
    builder.append(String.format("%02x", buff.get()));
  }
  return builder.toString();
}

它产生预期的:

61616161616161616161
61616161616161616161