为何Rust的std::str::from_utf8无法读取含0xA9的ASCII字节向量？

首先明确几个核心误解：

• 0xA9不是ASCII字符：标准ASCII的范围仅为0x00到0x7F（十进制0-127），0xA9是十进制169，超出了这个范围——它属于CP1252（Windows-1252）这类扩展字符集里的符号，并非标准ASCII。
• U+00A9的UTF-8编码不是单字节0xA9：UTF-8对不同Unicode码点有严格的编码规则：
  • 0x00-0x7F（ASCII区间）：单字节表示，最高位为0
  • 0x80-0x7FF：双字节表示，第一个字节以110开头，第二个以10开头

U+00A9属于0x80-0x7FF区间，因此它的UTF-8编码是0xC2 0xA9，而非单字节0xA9。你传入的单字节0xA9二进制为10101001，符合UTF-8后续字节的格式（开头两位是10），但前面没有对应的起始字节（以110开头的字节），所以会被判定为无效UTF-8序列，这就是std::str::from_utf8()报错的根本原因。

String::from_utf8_lossy()输出�ART是因为它会自动将无效UTF-8字节替换为Unicode替换字符�，而后面的0x41/0x52/0x54属于ASCII范围，是有效的UTF-8单字节，因此能正常显示。

解决方法 #

情况1：字节序列是CP1252编码 #

使用编码转换库（比如encoding_rs）将CP1252编码的字节转为UTF-8字符串：

use encoding_rs::WINDOWS_1252;

fn main() {
    let buf = vec![0xA9, 0x41, 0x52, 0x54];
    let (result, _, _) = WINDOWS_1252.decode(&buf);
    println!("{}", result); // 输出：©ART
}

情况2：直接构造包含版权符号的UTF-8字符串 #

要么直接用字符串字面量，要么使用正确的UTF-8字节序列：

// 方法1：直接使用字符串字面量
let s = "©ART";
println!("{}", s);

// 方法2：使用正确的UTF-8字节序列
let buf = vec![0xC2, 0xA9, 0x41, 0x52, 0x54];
match std::str::from_utf8(&buf) {
    Ok(s) => println!("{}", s), // 输出：©ART
    Err(e) => println!("ERROR: {}", e),
}

内容的提问来源于stack exchange，提问作者rwutscher