ISO-8859-1 编码和二进制数据保存

Question

我在comment 中读到@Esailija 对我的一个问题的回答

ISO-8859-1 是唯一完全保留原始二进制数据的编码，具有精确的字节代码点匹配

我还在@AaronDigulla 的answer 中读到：

在 Java 中，ISO-8859-1（又名 ISO-Latin1）是 1:1 映射

我需要对此有所了解。这将失败（如图所示here）：

// \u00F6 is ö
System.out.println(Arrays.toString("\u00F6".getBytes("utf-8")));
// prints [-61, -74]
System.out.println(Arrays.toString("\u00F6".getBytes("ISO-8859-1")));
// prints [-10]

问题

1. 我承认我不太明白 - 为什么它没有得到上面代码中的字节？
2. 最重要的是，这是在哪里（字节保留行为 ISO-8859-1）指定 - 指向源代码的链接，或者 JSL 会很好。它是唯一具有此属性的编码吗？
3. 是否与ISO-8859-1 是default default 有关？

另请参阅this question，了解其他字符集的精彩反例。

Answer 1

"\u00F6" 不是字节数组。它是一个包含单个字符的字符串。改为执行以下测试：

public static void main(String[] args) throws Exception {
    byte[] b = new byte[] {(byte) 0x00, (byte) 0xf6};
    String s = new String(b, "ISO-8859-1"); // decoding
    byte[] b2 = s.getBytes("ISO-8859-1"); // encoding
    System.out.println("Are the bytes equal : " + Arrays.equals(b, b2)); // true
}

要检查这是否适用于任何字节，只需改进代码循环遍历所有字节：

public static void main(String[] args) throws Exception {
    byte[] b = new byte[256];
    for (int i = 0; i < b.length; i++) {
        b[i] = (byte) i;
    }
    String s = new String(b, "ISO-8859-1");
    byte[] b2 = s.getBytes("ISO-8859-1");
    System.out.println("Are the bytes equal : " + Arrays.equals(b, b2));
}

ISO-8859-1 是一种标准编码。所以使用的语言（Java、C# 或其他）并不重要。

这是一个Wikipedia reference，声称覆盖了每个字节：

在 1992 年，IANA 注册了字符映射 ISO_8859-1:1987，通常以其首选的 MIME 名称 ISO-8859-1（注意 ISO 8859-1 上的额外连字符）而闻名，它是 ISO 8859- 的超集1、用于上网。此映射将 C0 和 C1 控制字符分配给未分配的代码值因此通过每个可能的 8 位值提供 256 个字符。

（强调我的）

Answer 2

为了保留原始二进制数据的编码，它需要将每个唯一的字节序列映射到唯一的字符序列。

这排除了所有多字节编码（UTF-8/16/32、Shift-Jis、Big5 等），因为并非每个字节序列在其中都有效 因此会解码为一些替换字符（通常是 ? 或 �）。无法从字符串中看出是什么原因造成的 解码后的替换字符。

另一种选择是忽略无效字节，但这也意味着无限不同 字节序列解码为相同的字符串。您可以用十六进制编码替换无效字节 在像"0xFF" 这样的字符串中。无法判断原始字节是否合法解码 到"0xFF" 这样也不起作用。

这留下了 8 位编码，其中每个序列只是一个字节。单字节有效 如果有它的映射。但是很多 8 位编码都有漏洞，不能编码 256 个不同的字符。

要保留原始二进制数据，您需要对 256 个不同字符进行编码的 8 位编码。 ISO-8859-1 这不是唯一的。但它的独特之处在于解码后的代码点的值也是字节的值 它是从中解码出来的。

所以你有解码的字符串和编码的字节，那么它总是

(byte)str.charAt(i) == bytes[i] 

对于任意二进制数据，其中str 是new String(bytes, "ISO-8859-1") 和bytes 是byte[]。

---

它也与 Java 无关。我不知道他的评论是什么意思，这些是字符编码而不是编程语言的属性。