Java使用扫描仪以UTF8格式输入字符，无法打印文本

Question

我可以将字符串转换为UTF-8格式的数组，但不能像第一个字符串那样将其转换回字符串

public static void main(String[] args) {

    Scanner h = new Scanner(System.in);
    System.out.println("INPUT : ");
    String stringToConvert = h.nextLine();
    byte[] theByteArray = stringToConvert.getBytes();

    System.out.println(theByteArray);
    theByteArray.toString();
    String s = new String(theByteArray);

    System.out.println(""+s);
}

如何将theByteArray打印为字符串

Answer 1

提供的代码存在几个问题：

1. 您无法确保从该字符串获取UTF-8字节数组

   byte[] theByteArray = stringToConvert.getBytes();
   

   返回给定平台上具有默认编码的字节数组，如JavaDoc所述。您实际想要做的是：

   byte[] theByteArray = stringToConvert.getBytes("UTF-8");
   

2. 您应该检查documentation中的System.out.println()：

   System.out.println(theByteArray);
   

   正在调用System.out.println(Object x)，它将打印x.toString()的结果。默认情况下，toString（）返回给定对象的内存地址

   因此，当您看到表单的输出时：

   INPUT :

   [B@5f1121f6

   inputText

   您看到的是ByteArray的内存位置，然后是给定的文本输入行

3. 您似乎不理解“x.toString（）”方法。记住，Java中的字符串是immutable；String的任何方法都不会更改字符串theByteArray.toString();返回theByteArray;的字符串表示形式。除非将返回的值赋给另一个字符串，否则将抛出该值

   String arrayAsString = theByteArray.toString();
   

   但是，如前所述，返回的字符串将是theByteArray的内存位置。为了打印出theByteArray的内容，需要将其转换为字符串

   String convertedString = new String(theByteArray, Charset.forName("UTF-8"));
   

假设您的要求是打印转换后的字符串，然后打印原始字符串，那么您的代码应该如下所示：

public static void main(String[] args) {

    Scanner h = new Scanner(System.in);
    System.out.println("INPUT : ");
    String stringToConvert = h.nextLine();

    try {
        // Array of the UTF-8 representation of the given String
        byte[] theByteArray;
        theByteArray = stringToConvert.getBytes("UTF-8");

        // The converted String
        System.out.println(new String(theByteArray, Charset.forName("UTF-8")));
    } catch (UnsupportedEncodingException e) {
        // We may provide an invalid character set
        e.printStackTrace();
    }

    // The original String
    System.out.println(stringToConvert);
}

Answer 2

String s = new String(theByteArray);

应该是

String s = new String(theByteArray, Charset.forName("UTF-8"));

这里的根本问题是字符串构造函数不聪明。字符串构造函数无法区分正在使用的字符集，将尝试使用系统标准（通常类似于ASCII或ISO-8859-1）对其进行转换。这就是为什么正常的A-Za-z看起来很合适，但其他一切都开始失败的原因

byte是一种从-127到127的类型，因此对于UTF-8转换，需要连接连续的字节。字符串构造函数不可能将其与字节数组区分开来，因此默认情况下它将单独处理每个字节（因此，当基本字母数字落入此范围时，它们将始终工作）

例如：

String text = "こんにちは";
byte[] array = text.getBytes("UTF-8");
String s = new String(array, Charset.forName("UTF-8"));
System.out.println(s); // Prints as expected
String sISO = new String(array, Charset.forName("ISO-8859-1")); // Prints 'ããã«ã¡ã¯'
System.out.println(sISO);