String s = new String(s.getBytes("UTF-8"),"UTF-8"); 和 String s = new String(s.getBytes(),"UTF-8"); 有什么区别？

Question

什么是“difference between”？

String(s.getBytes("UTF-8"),"UTF-8"); 

并且

String(s.getBytes(),"UTF-8");

在第一个代码示例中，一些特殊字符被解码了，为什么？有什么区别？

如果我使用UTF-8进行双重解码，会对任何内容产生影响吗？

- Jala Sureshreddy

---

s.getBytes() 使用的是你的 JVM 默认的语言环境。因此，区别取决于字符串的内容和默认的语言环境，有可能没有任何区别。 - Andy Turner

建议退一步思考：你在这里试图达到什么目的？ - Jon Skeet

尽量避免使用代码s.getBytes()，特别是当你处理不能适应ASCII代码边界的字符时，例如阿拉伯语、中文、印地语等。s.getBytes()将使用平台的默认编码，而我建议您始终使用最智能和紧凑的Unicode编码UTF-8。 - Pushpesh Kumar Rajwanshi

“UTF-8编码字符串”并不存在，一个字符串就是一个字符串。如果你有一个字节数组，使用new String(bytes, Charsets.UTF_8)将其转换为字符串才有意义。请在问题中提供更多关于你所拥有的数据以及如何接收它的信息。 - Jon Skeet

@JalaSureshreddy：补充Jon Skeet所说的：如果s是一个String，那就意味着它已经被解码了。如果由于不正确的解码而包含?字符，则现在修复这些字符为时已晚：无论你对字符串进行多少次编码和解码，都无法恢复最初的字符串。你需要找到第一次解码该字符串的位置，并在那里使用正确的字符集。 - Daniel Pryden

Answer 1

从javadoc中得知：

对于getBytes()方法：

将此字符串使用平台的默认字符集编码为一系列字节，将结果存储到新的字节数组中。

而getBytes(Charset)方法则表示：

使用给定的字符集将此字符串编码为一系列字节，将结果存储到新的字节数组中。

因此，第二个版本允许您完全控制，而第一个调用则依赖于平台默认字符集。

就是这样简单。

有关“平台默认字符集”，请参见此处。请注意，人们正在要求在各个领域都将默认值设为UTF-8（请参见此处）。

- GhostCat

---

我的平台默认也是UTF-8，但是String(s.getBytes(),"UTF-8")无法解码一些特殊字符，但是通过String(s.getBytes("UTF-8"),"UTF-8")可以解码，为什么会这样呢？ - Jala Sureshreddy

那么您可能应该提出一个新问题，并提供一个精确的 [mcve]，以展示您的问题;-) - GhostCat

Answer 2

所以，你在询问这两行：

String s1 = new String(s.getBytes("UTF-8"), "UTF-8"); // line 1
String s2 = new String(s.getBytes(), "UTF-8"); // line 2

这两行代码都没有实际作用。第二行甚至比第一行更糟糕；根据系统的默认字符编码，它可能不仅无用，而且是错误的。

第一行实际上什么也没做。它使用UTF-8字符编码将字符串s编码为字节，然后立即使用UTF-8解码字节回到字符串。字符串s1始终包含与原始字符串完全相同的内容；编码和解码是无用的。

第二行的作用取决于您的系统上使用的默认字符编码。如果默认字符编码是UTF-8，则它与第一行完全相同。如果它与UTF-8不同，则会得到一个解码不正确的字符串。

假设您的系统的默认字符编码是ISO-8859-1。那么第二行使用ISO-8859-1对字符串进行编码，然后立即将结果解码为UTF-8——这是错误的。您可能会得到具有解码不正确字符甚至异常的字符串。

阅读您正在使用的方法的API文档以了解它们的确切功能：

• String.getBytes(String charsetName) - 将此字符串转换为一个字节数组，使用指定的字符集编码。
• String.getBytes() - 使用平台的默认字符集将此字符串转换为一个字节数组。
• String(byte[] bytes, String charsetName) (构造函数) - 通过使用指定的字符集解码指定的字节数组来构造一个新的 String。

- Jesper

Answer 3

你在问题中提供的两个例子是无意义的。

Java中的String以UTF-16代码点数组的形式存储在内存中。 如果在将该数组转换为String之后再将byte[]识别为UTF-8代码点数组，则为时已晚。

如果你收到一个byte[]并想将其存储为String， 那么这样做是有意义的：

//assume input byte[] kapow
String blammy = new String(kapow, StandardCharsets.UTF_8);

如果您有一个字符串值并希望将其作为UTF-8编码的字节数组写入某个位置，那么这是有意义的。

// assume input String blammy 
byte[] kapow = blammy.getBytes(StandardCharsets.UTF_8);

请注意，在这两种情况下，我都使用了（blah，Charset）方法版本。 这样做。 （blah，“UTF-8”）版本会抛出一个已检查的异常。 （blah，Charset）版本从不引发异常，StandardCharsets类执行此操作（来自StandardCharsets JavaDoc页面）： 常量定义用于标准字符集。这些字符集保证在Java平台的每个实现中都可用。

- DwB