可以从非空的 UTF-8 字节数组创建一个空的 java 字符串吗？答案

【问题标题】：Can a empty java string be created from non-empty UTF-8 byte array?可以从非空的 UTF-8 字节数组创建一个空的 java 字符串吗？
【发布时间】：2010-10-24 12:54:31
【问题描述】：

我正在尝试调试一些东西，我想知道下面的代码是否可以返回 true

public boolean impossible(byte[] myBytes) {
  if (myBytes.length == 0)
    return false;
  String string = new String(myBytes, "UTF-8");
  return string.length() == 0;
}

是否有一些我可以传递的值会返回 true？我只是传入了一个 2 字节序列的第一个字节，但它仍然会产生一个字符串。

为了澄清，这发生在 PowerPC 芯片上，Java 1.4 代码通过 GCJ 编译为本机二进制可执行文件。这基本上意味着大多数赌注都是关闭的。我主要想知道 Java 的“正常”行为，或者 Java 的规范是否做出了任何承诺。

【问题讨论】：

标签： java string utf-8

【解决方案1】：

根据 java.util.String 的 javadoc，当 bytearray 包含无效或意外数据时，未指定 new String(byte[], "UTF-8") 的行为。如果您希望生成的字符串具有更高的可预测性，请使用http://java.sun.com/j2se/1.5.0/docs/api/java/nio/charset/CharsetDecoder.html。

【讨论】：

【解决方案2】：

可能。

来自 Java 5 API 文档“当给定字节在给定字符集中无效时，此构造函数的行为未指定。”

我猜这取决于：您使用的是哪个版本的 java 哪个供应商编写了您的 JVM（Sun、HP、IBM、开源的等）

一旦文档说“未指定”，所有的赌注都会被取消

编辑：被Trey打败听取他关于使用 CharsetDecoder 的建议

【讨论】：

【解决方案3】：

如果Java正确处理BOM mark（我不确定他们是否已经修复它），那么应该可以输入一个只包含BOM的字节数组（U+FEFF，UTF- 8 字节序列 EF BB BF) 并得到一个空字符串。

更新：

我用 1-3 个字节的所有值测试了该方法。它们都没有在 Java 1.6 上返回空字符串。这是我使用不同字节数组长度的测试代码：

public static void main(String[] args) throws UnsupportedEncodingException {
    byte[] test = new byte[3];
    byte[] end = new byte[test.length];

    if (impossible(test)) {
        System.out.println(Arrays.toString(test));
    }
    do {
        increment(test, 0);
        if (impossible(test)) {
            System.out.println(Arrays.toString(test));
        }
    } while (!Arrays.equals(test, end));

}

private static void increment(byte[] arr, int i) {
    arr[i]++;
    if (arr[i] == 0 && i + 1 < arr.length) {
        increment(arr, i + 1);
    }
}

public static boolean impossible(byte[] myBytes) throws UnsupportedEncodingException {
    if (myBytes.length == 0) {
        return false;
    }
    String string = new String(myBytes, "UTF-8");
    return string.length() == 0;
}

【讨论】：

不幸的是，Java 不能正确处理 UTF-8 BOM。根本不处理它，真的；只是将其视为内容的一部分

【解决方案4】：

UTF-8 是一种可变长度编码方案，大多数“普通”字符都是单字节的。所以任何给定的非空字节[] 总是会转换成一个字符串，我想。

如果你想玩它，写一个单元测试，它迭代每个可能的字节值，传入该值的单值数组，并断言字符串是非空的。

【讨论】：