byte[]跟String之间转换出现比较有趣的问题

Question

本帖最后由 szuzsq 于 2013-06-17 18:41:22 编辑

Answer 1

这个是和编码方式有关的 uft编码方式
会把你hard的4个byte 编码 

Answer 2

谢谢楼上的小鸡鸡，你提供了思路。
-----------------------------------
UTF-8是一种变长字节编码方式。
对于某一个字符的UTF-8编码，如果只有一个字节则其最高二进制位为0；
如果是多字节，其第一个字节从最高位开始，连续的二进制位值为1的个数决定了其编码的位数，其余各字节均以10开头。
UTF-8最多可用到6个字节。如表：
1字节 0xxxxxxx
2字节 110xxxxx 10xxxxxx
3字节 1110xxxx 10xxxxxx 10xxxxxx
4字节 11110xxx 10xxxxxx 10xxxxxx 10xxxxxx
5字节 111110xx 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx
6字节 1111110x 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx因此UTF-8中可以用来表示字符编码的实际位数最多有31位，即上表中x所表示的位。
除去那些控制位（每字节开头的10等），这些x表示的位与UNICODE编码是一一对应的，位高低顺序也相同。
实际将UNICODE转换为UTF-8编码时应先去除高位0，然后根据所剩编码的位数决定所需最小的UTF-8编码位数。
因此那些基本ASCII字符集中的字符（UNICODE兼容ASCII）只需要一个字节的UTF-8编码（7个二进制位）便可以表示。
---------------------------------------------------------new String(bytes, 0, 4);
这个函数的时候，系统默认了utf-8编码.
但如果byte[]里面的数据并不是utf8规范的话
假如正确的2字节：110xxxxx 10xxxxxx
但实际上的字节： 110xxxxx 000xxxxx
那么调用构造函数时会出错。-----------------
new String(bytes, 0, 4, "latin-1");
正确的做法是，byte[]到String之间转换时，最好用latin-1等扩展的ascii码，
它们将char的0-255都使用了。。
bty,tinyxml的编码就是latin-1