Java字符串编码（UTF-8）

Question

我遇到了这一行旧代码，现在正在试图搞清它的含义：

String newString = new String(oldString.getBytes("UTF-8"), "UTF-8"));

就我所理解的，它使用相同的字符集进行编码和解码。

这与以下内容有何区别？

String newString = oldString;

这两行代码是否存在任何情况下会有不同的输出?

p.s.：仅澄清一下，我知道Joel Spolsky在编码方面的卓越文章!

- OceanBlue

---

当使用String newString = oldString;时，唯一的区别当然是您仍然只有一个字符串副本（您只是从两个变量指向它）。而解码/编码则会制作字符串的副本。尽管String是不可变的，但这并不重要。可能这不是旧代码编写方式的原因；String有一种更直接的方法可以克隆自己（String(String)）。我想不到除了测试String类的编码/解码方法之外，为什么会有一个好的理由让您执行编码/解码操作。 - T.J. Crowder

上下文是否提供了任何提示，为什么可能需要或已经需要字符串转换？ - Thorbjørn Ravn Andersen

@T.J.Crowder：+1，当然！我并不是指实际对象的差异。谢谢你指出来。 - OceanBlue

还有一个主要的区别：其中一个无法编译 ;-) - Draško Kokić

Answer 1

这可能是一种复杂的做法

String newString = new String(oldString);

当字符串的底层char[]比实际使用的要长时，这会缩短字符串。

然而，更具体地说，它将检查每个字符是否可以进行UTF-8编码。

在字符串中有一些无法进行编码的“字符”，它们将被转换为?

位于\uD800和\uDFFF之间的任何字符都无法编码，并将被转换为“?”

String oldString = "\uD800";
String newString = new String(oldString.getBytes("UTF-8"), "UTF-8");
System.out.println(newString.equals(oldString));

打印

false

- Peter Lawrey

---

oldString 无法进行正确编码的唯一原因是它本身不是有效的 UTF-16（Java 中字符串的本地表示）字符串。UTF-8 完全能够对任何 Unicode 代码点进行编码。在这种情况下，只有当 oldString 包含无效的 UTF-16 字节序列时才会有差异。 - Cagatay

Answer 2

这与以下代码有何不同？

这行代码：

String newString = new String(oldString.getBytes("UTF-8"), "UTF-8"));

构造一个新的字符串对象（即oldString的副本），而这行代码：

String newString = oldString;

声明一个新的java.lang.String类型变量，并将其初始化为引用与变量oldString相同的字符串对象。

是否存在任何情况下这两行代码会有不同的输出结果？

完全有可能：

String newString = oldString;
boolean isSameInstance = newString == oldString; // isSameInstance == true

对比。

String newString = new String(oldString.getBytes("UTF-8"), "UTF-8"));
 // isSameInstance == false (in most cases)    
boolean isSameInstance = newString == oldString;

a_horse_with_no_name（见评论）是正确的。等同于

String newString = new String(oldString.getBytes("UTF-8"), "UTF-8"));

是

String newString = new String(oldString);

与彼得·劳瑞在他的回答中解释的编码微小差异相比，减去它。

- afrischke

---

String newString = new String(oldString) 相当于“原始”的那行代码，我想。 - user330315