为什么将字节数组转换为字符串然后再转换回字节数组时长度不同？答案

【问题标题】：Why are the lengths different when converting a byte array to a String and then back to a byte array?为什么将字节数组转换为字符串然后再转换回字节数组时长度不同？
【发布时间】：2011-06-27 23:37:26
【问题描述】：

我有以下 Java 代码：

byte[] signatureBytes = getSignature();

String signatureString = new String(signatureBytes, "UTF8");
byte[] signatureStringBytes = signatureString.getBytes("UTF8");

System.out.println(signatureBytes.length == signatureStringBytes.length); // prints false

问：我可能理解错了，但我认为new String(byte[] bytes, String charset) 和String.getBytes(charset) 是逆运算？

问：作为后续，将 byte[] 数组作为字符串传输的安全方法是什么？

【问题讨论】：

标签： java encoding utf-8 decoding

【解决方案1】：

并非每个byte[] 都是有效的 UTF-8。默认情况下，无效序列会被固定字符替换，我认为这就是长度变化的原因。

试试 Latin-1，它不应该发生，因为它是一个简单的编码，每个 byte[] 都是有意义的。

Windows-1252 也不应该发生这种情况。那里有未定义的序列（实际上是未定义的字节），但所有字符都被编码在一个字节中。新的byte[] 可能与原来的不同，但它们的长度必须相同。

【讨论】：

那行得通。那么将 byte[] 数组作为 String 传输的安全方法是什么？
org.apache.commons.codec.binary.Base64 永远是你最好的朋友，因为它可以将任意数据作为字符串传递:)
对，Base64 是标准且最佳的解决方案。只要您继续使用 Java，Latin-1 也可以很好地工作。

【解决方案2】：

我可能误解了这一点，但我认为 new String(byte[] bytes, String charset) 和 String.getBytes(charset) 是逆运算？

不一定。

如果输入字节数组包含无效的 UTF-8 序列，则初始转换可能会将它们变成（例如）问号。然后第二个操作将这些转换为 UTF-8 编码的 '?' 字符 .... 与原始表示不同。

确实，Unicode 中的某些字符有多种表示形式；例如重音字符可以是单个代码点，也可以是基本字符代码点和重音代码点。但是，在字节数组（包含有效的 UTF-8）和字符串之间来回转换应该保留代码点序列。它不执行任何“标准化”。

那么，将 byte[] 数组作为 String 传输的安全方法是什么？

最安全的替代方法是对字节数组进行 base64 编码。这样做还有一个额外的好处，即字符串中的字符在转换为任何可以表示拉丁字母和数字的字符集/编码后仍然有效。

另一种选择是使用 Latin-1 而不是 UTF-8。然而：

如果数据被（例如）错误地解释为 UTF-8，则存在损坏风险。
如果“字符串”随后嵌入到 XML 中，则此方法是不合法的。许多控制字符在 XML 字符集之外，不能在 XML 文档中使用，甚至编码为字符实体。

【讨论】：

谢谢！那么，将 byte[] 数组作为 String 传输的安全方法是什么？

【解决方案3】：

我想到了两种可能性。

首先是您的签名不是完全有效的 UTF8。您不能只获取任意二进制数据并将其“字符串化”。并非每一组位都定义了一个合法字符。 String 构造函数将为二进制数据插入一些默认替换内容，这些内容在 UTF8 中实际上并不“意味着”任何内容。这不是一个可逆的过程。如果要“字符串”一些任意二进制数据，则需要使用已建立的方法，我建议 org.apache.commons.codec.binary.Base64

还有一些字符具有不止一种表示形式。例如，带有重音符号的事物可以被编码为重音字符，也可以编码为要组合的字符加上重音符号。在编码之间来回移动时，不能保证这是一个可逆的过程。

【讨论】：

【解决方案4】：

我想将数据作为字符串存储到我的 JSP 页面中，然后将字符串作为参数发送到服务器端并转换为byte[]。这对我有用：

将字节[] 转换为字符串

String byteToString = Base64.getEncoder().encodeToString(byteContent);

从字符串转换为字节[]

byte[] stringToByte = Base64.getDecoder().decode(stringContent);

这将返回具有相同长度的确切 byte[]。

【讨论】：