Javaで文字列をUTF8バイト配列との間で変換する方法

Javaでは、文字列があり、それをバイト配列としてエンコードしたい（UTF8またはその他のエンコード）。または、バイト配列（既知のエンコーディング）があり、それをJava文字列に変換したいと思います。これらの変換はどのように行うのですか？

Stringからbyte []に​​変換します：

String s = "some text here";
byte[] b = s.getBytes(StandardCharsets.UTF_8);

byte []からStringに変換します。

byte[] b = {(byte) 99, (byte)97, (byte)116};
String s = new String(b, StandardCharsets.US_ASCII);

もちろん、正しいエンコーディング名を使用する必要があります。私の例では、最も一般的な2つのエンコーディングであるUS-ASCIIとUTF-8を使用しました。

以下は、すべての変換で文字セット検索を実行しないようにするソリューションです。

import java.nio.charset.Charset;

private final Charset UTF8_CHARSET = Charset.forName("UTF-8");

String decodeUTF8(byte[] bytes) {
    return new String(bytes, UTF8_CHARSET);
}

byte[] encodeUTF8(String string) {
    return string.getBytes(UTF8_CHARSET);
}

String original = "hello world";
byte[] utf8Bytes = original.getBytes("UTF-8");

String（byte []、String）コンストラクターとgetBytes（String）メソッドを介して直接変換できます。Javaは、Charsetクラスを介して使用可能な文字セットを公開します。JDKドキュメントは、サポートされているエンコーディングがリストされています。

時間の90％では、そのような変換はストリームで実行されるため、Reader / Writerクラスを使用します。任意のバイトストリームでStringメソッドを使用してインクリメンタルにデコードするのではなく、マルチバイト文字に関連するバグを受け入れる必要があります。

私のtomcat7実装はISO-8859-1として文字列を受け入れています。HTTPリクエストのコンテンツタイプにもかかわらず。次の解決策は、 'é'のような文字を正しく解釈するときに役立ちました。

byte[] b1 = szP1.getBytes("ISO-8859-1");
System.out.println(b1.toString());

String szUT8 = new String(b1, "UTF-8");
System.out.println(szUT8);

文字列をUS-ASCIIとして解釈しようとすると、バイト情報が正しく解釈されませんでした。

b1 = szP1.getBytes("US-ASCII");
System.out.println(b1.toString());

別の方法として、Apache CommonsのStringUtilsを使用できます。

 byte[] bytes = {(byte) 1};
 String convertedString = StringUtils.newStringUtf8(bytes);

または

 String myString = "example";
 byte[] convertedBytes = StringUtils.getBytesUtf8(myString);

非標準の文字セットがある場合、それに応じてgetBytesUnchecked（）またはnewString（）を使用できます。

一連のバイトを通常の文字列メッセージにデコードするために、私は最終的に次のコードでUTF-8エンコーディングで動作するようにしました。

/* Convert a list of UTF-8 numbers to a normal String
 * Usefull for decoding a jms message that is delivered as a sequence of bytes instead of plain text
 */
public String convertUtf8NumbersToString(String[] numbers){
    int length = numbers.length;
    byte[] data = new byte[length];

    for(int i = 0; i< length; i++){
        data[i] = Byte.parseByte(numbers[i]);
    }
    return new String(data, Charset.forName("UTF-8"));
}

7ビットASCIIまたはISO-8859-1（驚くほど一般的な形式）を使用している場合は、新しいjava.lang.Stringを作成する必要はありません。。バイトをcharにキャストする方がはるかにパフォーマンスが高くなります。

完全に機能する例：

for (byte b : new byte[] { 43, 45, (byte) 215, (byte) 247 }) {
    char c = (char) b;
    System.out.print(c);
}

あなたがしている場合ではない使用して拡張文字 Ä、AE、A、C、I、Êのようなとのみ送信値は最初の128個のUnicode文字であることを確認することができますが、このコードはUTF-8および拡張ASCIIのために動作します（cp-1252など）。

コメントはできませんが、新しいスレッドを開始したくありません。しかし、これは機能していません。簡単な往復：

byte[] b = new byte[]{ 0, 0, 0, -127 };  // 0x00000081
String s = new String(b,StandardCharsets.UTF_8); // UTF8 = 0x0000, 0x0000,  0x0000, 0xfffd
b = s.getBytes(StandardCharsets.UTF_8); // [0, 0, 0, -17, -65, -67] 0x000000efbfbd != 0x00000081

エンコードの前後にb []と同じ配列が必要です（そうでない場合、これは最初の回答を参照しています）。

//query is your json   

 DefaultHttpClient httpClient = new DefaultHttpClient();
 HttpPost postRequest = new HttpPost("http://my.site/test/v1/product/search?qy=");

 StringEntity input = new StringEntity(query, "UTF-8");
 input.setContentType("application/json");
 postRequest.setEntity(input);   
 HttpResponse response=response = httpClient.execute(postRequest);

Charset UTF8_CHARSET = Charset.forName("UTF-8");
String strISO = "{\"name\":\"א\"}";
System.out.println(strISO);
byte[] b = strISO.getBytes();
for (byte c: b) {
    System.out.print("[" + c + "]");
}
String str = new String(b, UTF8_CHARSET);
System.out.println(str);

Reader reader = new BufferedReader(
    new InputStreamReader(
        new ByteArrayInputStream(
            string.getBytes(StandardCharsets.UTF_8)), StandardCharsets.UTF_8));

ひどく遅くなりましたが、この問題が発生しました。これは私の修正です。

private static String removeNonUtf8CompliantCharacters( final String inString ) {
    if (null == inString ) return null;
    byte[] byteArr = inString.getBytes();
    for ( int i=0; i < byteArr.length; i++ ) {
        byte ch= byteArr[i]; 
        // remove any characters outside the valid UTF-8 range as well as all control characters
        // except tabs and new lines
        if ( !( (ch > 31 && ch < 253 ) || ch == '\t' || ch == '\n' || ch == '\r') ) {
            byteArr[i]=' ';
        }
    }
    return new String( byteArr );
}