我在Java中将字节转换为UTF8字符串时发现了一个奇怪的问题。为什么bytes1和bytes2是不同的,而str1和srt2是相同的?
以下是测试代码。
import org.apache.commons.codec.binary.Hex;
public class MyTest {
public static void main(String[] args) throws Exception {
byte[] bytes1 = Hex.decodeHex("EDA0BDEDB88A".toCharArray());
byte[] bytes2 = Hex.decodeHex("F09F988A".toCharArray());
System.out.println("bytes1 length: " + bytes1.length);
System.out.println("bytes2 length: " + bytes2.length);
String str1 = new String(bytes1, "utf8");
String str2 = new String(bytes2, "utf8");
System.out.println("str1 is equals str2? " + str1.equals(str2));
}
}下面是在jdk7上运行的测试代码的输出
bytes1 length: 6
bytes2 length: 4
str1 is equals str2? true能否找出'EDA0BDEDB88A‘和'F09F988A’之间的关系?
“F09F988A”是unicode smail face,但“EDA0BDEDB88A”未知。
发布于 2014-02-18 20:03:27
字节序列F09F988A和EDA0BDEDB88A都被Java解码为相同的码点U+1F60A (笑脸和微笑的眼睛)。
即使编码EDA0BDEDB88A不正确,Java UTF-8实现也会接受它作为每个代理代码点U+D83D和U+DE0A的单独UTF8编码。然而,严格地说,在UTF-8中不允许这种表示,但是例如在CESU-8 (UTF-16的兼容性编码方案)中定义了该表示。
https://stackoverflow.com/questions/21850506
复制相似问题