Java UTF-8 编码产生不正确的输出

Question

在 Java 中，我一直在尝试使用 UTF-8 编码将字符串写入文件，该文件稍后将被另一个用不同编程语言编写的程序读取。这样做时，我注意到将字符串编码为字节数组时创建的字节似乎没有正确的字节值。

我将问题缩小到符号“£”，它在编码为 UTF-8 时似乎会产生不正确的字节

byte[] byteArray = "£".getBytes(Charset.forName("UTF-8"));

// Print out the Byte Array of the UTF-8 converted string
// Upcast byte values to print the bytes as unsigned
for (byte signedByte : byteArray) {
  System.out.print((signedByte & 0xFF) + " ");
} 

这输出 6 个字节，十进制值：239 190 130 239 189 163，十六进制为：ef be 82 ef bd a3

http://www.utf8-chartable.de/ 但是表示“£”的十六进制值是：c2 a3， 那么输出应该是：194 163

其他字符串在编码为 UTF-8 时似乎会产生正确的字节，所以我想知道为什么 Java 会为“£”产生这 6 个字节，以及我应该如何使用 UTF-正确地将字符串转换为字节数组8位编码

我也试过

OutputStreamWriter out = new OutputStreamWriter(new FileOutputStream(outputFile), "UTF-8");
out.write("£");
out.close();

但这产生了相同的 6 个字节

Answer 1

我怀疑问题在于您在 Java 代码中使用了一个字符串文字，而该编辑器使用一种编码将其写出 - 但是您在 编译 时没有指定相同的编码。换句话说，我怀疑您的 "£" 字符串实际上根本不是一个井号。

这应该很容易验证。例如：

char[] chars = "£".toCharArray();
for (char c : chars) {
    System.out.println((int) c);
}

要排除这个等式，您可以使用 Unicode 转义序列使用纯 ASCII 表示来指定字符串：

String pound = "\u00a3";
// Now encode as before

我相信你会得到正确的字节。例如：

import java.nio.charset.Charset;

class Test {
    public static void main(String[] args) throws Exception {
        String pound = "\u00a3";
        byte[] bytes = pound.getBytes(Charset.forName("UTF-8"));
        for (byte b : bytes) {
            System.out.println(b & 0xff); // 194, 163
        }
    }
}