关于java字符串相关的字符集和编码方式不再解释，可以参见该篇文章[Java与字符编码问题详谈](http://hxraid.iteye.com/blog/559607)，今天要说的是在java字符串转字节数组时的方式： String.getBytes()和Charset.encode(string)的区别；
问题：
String str = "我";
byte[] ba1 = str.getBytes("UTF-16");
printBytes(ba1);// 编码：0xfe 0xff 0x62 0x11； 前两个为BOM
-------------华丽的分割线--------------------------------
Charset cs = CharSet.forName("UTF-16");
byte[] ba2 = cs.encode(str).array();
printBytes(ba2);//编码：0xfe 0xff 0x62 0x11 0x00; 最后多个0x00
困扰我的问题来了，为什么会多了一个字节呢？
先来看看源码：
一。String.getBytes()方法：
public byte[] getBytes(String charsetName)
throws UnsupportedEncodingException {
if (charsetName == null) throw new NullPointerException();
return StringCoding.encode(charsetName, value, 0, value.length);
}
在这里是直接调用StringCoding类的encode()方法。
static byte[] encode(String charsetName, char[] ca, int off, int len)
throws UnsupportedEncodingException
{
StringEncoder se = deref(encoder);
String csn = (charsetName == null) ? "ISO-8859-1" : charsetName;
if ((se == null) || !(csn.equals(se.requestedCharsetName())
|| csn.equals(se.charsetName()))) {
se = null;
try {
Charset cs = lookupCharset(csn);
if (cs != null)
se = new StringEncoder(cs, csn);
} catch (IllegalCharsetNameException x) {}
if (se == null)
throw new UnsupportedEncodingException (csn);
set(encoder, se);
}
return se.encode(ca, off, len);
}
StringCoding类先获取当前项目平台的编码， 如果和要求的指定编码方式不同，则通过制定编码方式获取字符集CharSet,进而生成StringEncode类（StringCoding的私有成员类）， 而我们来看StringEncode类：
private static class StringEncoder {
private Charset cs;
private CharsetEncoder ce;
private final String requestedCharsetName;
private final boolean isTrusted;
...........
byte[] encode(char[] ca, int off, int len) {
int en = scale(len, ce.maxBytesPerChar());
byte[] ba = new byte[en];
if (len == 0)
return ba;
if (ce instanceof ArrayEncoder) {
int blen = ((ArrayEncoder)ce).encode(ca, off, len, ba);
return safeTrim(ba, blen, cs, isTrusted);
} else {
ce.reset();
ByteBuffer bb = ByteBuffer.wrap(ba);
CharBuffer cb = CharBuffer.wrap(ca, off, len);
try {
CoderResult cr = ce.encode(cb, bb, true);
if (!cr.isUnderflow())
cr.throwException();
cr = ce.flush(bb);
if (!cr.isUnderflow())
cr.throwException();
} catch (CharacterCodingException x) {
// Substitution is always enabled,
// so this shouldn't happen
throw new Error(x);
}
return safeTrim(ba, bb.position(), cs, isTrusted);
}
可以看到StringEncode类的编码事实上也是调用了CharEncoder类来编码； 但注意的是StringCoding类的encode（）方法中最后的这个safeTrim(ba, bb.position(), cs, isTrusted)；这里会将ByteBuffer类中的值放到byte[]中，而这里的参数bb.position是将ByteBuffer中的有效的值放入了。 详情可参见[java.nio.ByteBuffer用法小结](http://blog.youkuaiyun.com/zhoujiaxq/article/details/22822289)；
二. CharSet.encode(string)
首先CharSet.encode(),实际上是先生成CharsetEncode类，如下
public final ByteBuffer encode(CharBuffer cb) {
try {
return ThreadLocalCoders.encoderFor(this)
.onMalformedInput(CodingErrorAction.REPLACE)
.onUnmappableCharacter(CodingErrorAction.REPLACE)
.encode(cb);
} catch (CharacterCodingException x) {
throw new Error(x); // Can't happen
}
}
看这里如何编码， 如下：
public final ByteBuffer encode(CharBuffer in)
throws CharacterCodingException
{
int n = (int)(in.remaining() * averageBytesPerChar());
ByteBuffer out = ByteBuffer.allocate(n);
if ((n == 0) && (in.remaining() == 0))
return out;
reset();
for (;;) {
CoderResult cr = in.hasRemaining() ?
encode(in, out, true) : CoderResult.UNDERFLOW;
if (cr.isUnderflow())
cr = flush(out);
if (cr.isUnderflow())
break;
if (cr.isOverflow()) {
n = 2*n + 1; // Ensure progress; n might be 0!
ByteBuffer o = ByteBuffer.allocate(n);
out.flip();
o.put(out);
out = o;
continue;
}
cr.throwException();
}
out.flip();
return out;
}
这两种方式的最终的编码其实都是调用了CharsetEncode类的方法：
CoderResult encode(CharBuffer in, ByteBuffer out,boolean endOfInput)； 这里区别在于：
1>在调用方法前的参数上， 同一字符串调用时，参数ByteBuffer的会不同。 这取决于对传入的ByteBuffer的capacity属性的不同赋值，StringCoding的encode方法为：
int len = string.length;
byte[] encode(char[] ca, int off, int len) {
int en = scale(len, ce.maxBytesPerChar());
...................
对ce(CharsetEncoder)的maxBytesPerChar;
而在CharSet类的encode方法中为：
CharBuffer in = CharBuffer.wrap(string);
int n = (int)(in.remaining() * averageBytesPerChar());
//注：string.length() = CharBuffer.wrap(string).remaining();
ByteBuffer out = ByteBuffer.allocate(n);
..............
for (;;) {
CoderResult cr = in.hasRemaining() ?encode(in, out, true) : CoderResult.UNDERFLOW;
if (cr.isUnderflow())
cr = flush(out);
if (cr.isUnderflow())
break;
if (cr.isOverflow()) {
n = 2*n + 1; // Ensure progress; n might be 0!
//这里为了确保程序正常，当初始的ByteBuffer容量不足时，newCapacity = 2*oldCapacity+1;
ByteBuffer o = ByteBuffer.allocate(n);
out.flip();
o.put(out);
out = o;
continue;
}
cr.throwException();
}
.....................
2>StringCoding对返回的结果ByteBuffer进行了处理。
byte[] encode(char[] ca, int off, int len) {
int en = scale(len, ce.maxBytesPerChar());
if (len == 0)
...................
if (ce instanceof ArrayEncoder) {
...................
} else {
ce.reset();
ByteBuffer bb = ByteBuffer.wrap(ba);
CharBuffer cb = CharBuffer.wrap(ca, off, len);
try {
CoderResult cr = ce.encode(cb, bb, true);
...................
} catch (CharacterCodingException x) {
...................
}
return safeTrim(ba, bb.position(), cs, isTrusted);
调用了safeTrim()方法，将ByteBuffer中的值复制到byte[]中。
而CharSet的encode方法直接就返回了ByteBuffer方法，而ByteBuffer中有的方法为array();如下：
Charset cs = CharSet.forName("UTF-16");
ByteBuffer bb = cs.encode(str);
byte[] ba = bb.array();
printBytes(ba2);//编码：0xfe 0xff 0x62 0x11 0x00; 最后多个0x00
而ByteBuffer.array()方法是将ByteBuffer容器的每个元素都转变为数组中的值，这其中编码时，ByteBuffer容器没有被填满->容器中的某些值为0(因为ByteBuffer.allocate(n)初始化时会默认赋值)；所有在字符编码时会，调用CharSet.encode()方法后， 对返回的结果ByteBuffer直接调用.array()方法会造成编码后的字节数组多出一个字节。
正确的处理CharSet.encode()返回结果的方式应如下：
String str = "我们";
CharSet cs = CharSet.forName("UTF-16");//或'UTF-8'/'GBK'/'ASCII'等
ByteBuffer bb = cs.encode(str);
byte[] ba = new byte[bb.limit()];
for(int i = 0;;i++){
if(bb.hasRemaining())
ba[i] = bb.get();
else{
break;
}
}
printBytes(ba); //结果0xFE 0xff 0x62 0x11 0x4E 0xEC
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
