Java中的字节和字符转换

Question

如果我将一个字符转换为 byte 然后再转换回 char ，该字符神秘地消失并变成其他东西。这怎么可能？

这是代码：

 char a = 'È';       // line 1
byte b = (byte)a;   // line 2
char c = (char)b;   // line 3
System.out.println((char)c + " " + (int)c);

直到第 2 行，一切都很好：

• 在第 1 行中，我可以在控制台中打印“a”，它会显示“È”。

• 在第 2 行中，我可以在控制台中打印“b”，它会显示 -56，即 200，因为字节已签名。而 200 是“È”。所以还是可以的。

但是第 3 行有什么问题呢？ “c”变成其他东西，程序打印 ? 65480 。那是完全不同的东西。

为了得到正确的结果，我应该在第 3 行写什么？

原文由 user1883212 发布，翻译遵循 CC BY-SA 4.0 许可协议

Answer 1

Java 中的字符是 Unicode 代码单元，被视为无符号数字。所以如果你执行 c = (char)b 你得到的值是 2^16 - 56 或 65536 - 56。

或者更准确地说，字节首先被转换为一个带符号的整数，其值为 0xFFFFFFC8 在扩大转换中使用 _符号扩展_。这反过来又缩小到 0xFFC8 投射到 char 时，转换为正数 65480

从语言规范：

5.1.4.扩大和缩小原始转换

首先，通过扩大原始转换（§5.1.2）将字节转换为 int，然后通过缩小原始转换（§5.1.3）将生成的 int 转换为 char。

---

要获得正确的点，请使用 char c = (char) (b & 0xFF) 首先将 b 的字节值转换为正整数 200 转换后使用顶部掩码 24 位置零： 0xFFFFFFC8 变为 0x000000C8 或正数 200 小数。

---

以上直接解释了 byte 、 int 和 char 原始类型之间的转换过程。

If you want to encode/decode characters from bytes, use Charset , CharsetEncoder , CharsetDecoder or one of the convenience methods such as new String(byte[] bytes, Charset charset) 或 String#toBytes(Charset charset) 。您可以从 StandardCharsets 获取字符集（例如 UTF-8 或 Windows-1252）。

原文由 Maarten Bodewes 发布，翻译遵循 CC BY-SA 3.0 许可协议