Java InputStream 读取语言环境依赖？

Question

我有客户端服务器应用程序。客户端（C++ 应用程序）正在发送 UTF8 编码的字符串，而服务器（Java 应用程序）正在通过套接字端口通信读取这些字符串。如果服务器托管在具有语言环境 CP-1252 的 Windows 操作系统上，我在读取服务器端的字符串时会遇到问题。

这是伪代码

private transient Socket socket = null;

private transient InputStream in = null;

private transient OutputStream out = null;

socket = new Socket(server, port);

out = socket.getOutputStream();

in = socket.getInputStream();

Socket 和 InputStream 在一些不同的函数中初始化，读取实际字符串如下函数所示：

ReadString()

{

    byte[] backbytes = new byte[2048];

    {

        if ((c = in.read(backbytes)) > 0) {

            if (debug)

                logger.trace("Read " + c + " bytes");

            total = total + c;

            char[] convertedChar = new char[backbytes.length];

            int[] convertedInt = new int[backbytes.length];

            for(int i=0;i < backbytes.length;i++){

                convertedChar[i] = (char) backbytes[i];

                convertedInt[i] = (int) backbytes[i];

            }

            logFilePrint.print("Read string as : " + new String(backbytes, 0, c) + " and the converted char[] of byte[] is : ");

            printArray(logFilePrint, convertedChar);

            logFilePrint.print(" and converted int[] is : " );

            printArray(logFilePrint, convertedInt);

            logFilePrint.flush();

            sb.append(new String(backbytes, 0, c));

        } else {

          break;

        }

    }

}

某些 Unicode 字符（例如“私”或“の”）会出现此问题。如果我对这些字符执行上述代码，我会得到输出

将字符串读为：ç§?ã? byte[] 转换后的 char[] 为：[, ￧, ﾧ, ?, ￣, ?,] 转换后的 int[] 为：[, -25, -89, 63, -29, 63, -82, ]

但是，如果我通过使用“-Dfile.encoding=UTF-8”将 JVM 的字符集设置为 UTF8 来更改服务器编码，我会得到以下输出：

将字符串读为：私の，byte[]转换后的char[]为：[, ￧, ﾧ, ﾁ, ￣, ﾁ, ﾮ] 转换后的int[]为：[, -25, -89, -127, -29, -127, -82,]

非 UTF8 模式下的问题似乎与字节“0x81”的字符有关。敌人例如字符'私'有UTF-8编码'0xE7 0xA7 0x81'和'の'有UTF-8编码'0xE3 0x81 0xAE'

据我了解，InputStream“in.read(backbytes)”只是读取发送的数据字节。为什么在 JVM 字符集是 UTF-8 和非 UTF8 的情况下读取字节会受到影响？函数“读取”语言环境是否依赖？

Answer 1

您选择的构造函数String(byte[] encoded, int offset, int length)使用默认平台编码将字节转换为字符。它显式地取决于它运行的环境。对于可移植代码来说，这是一个糟糕的选择。对于网络应用程序，明确指定要使用的编码。您可以将其作为网络协议的一部分进行协商，或者指定一个有用的默认值，如 UTF-8。有多种 API 可以对文本进行编码和解码。例如，String(byte[] encoded, int offset, int length, Charset encoding)可以像这样使用 String 构造函数：String&nbsp;str&nbsp;=&nbsp;new&nbsp;String(backbytes,&nbsp;0,&nbsp;c,&nbsp;StandardCharsets.UTF_8);