Java中通过String处理原始字节异常：0x98被替换为'?'

核心原因 #

String是Java专门用来存文本字符的类型，压根不是给原始二进制字节用的。把byte[]转成String时，JVM会用系统默认的字符编码（比如UTF-8、GBK）去解码字节序列，要是某个字节在当前编码里属于无效序列（比如0x98在UTF-8里就是非法的单字节），JVM就会把这个字节直接替换成?（ASCII码0x3f），这就是你看到0x98变问号的根源。之后再把String转回字节数组时，?对应的就是0x3f，原始的0x98自然找不回来了。

你的代码问题点 #

String str = new String(arr); // 用默认编码解码，无效字节被替换成?
out.write(str.getBytes());    // 把?编码成0x3f写入文件

正确处理方式 #

1. 直接用byte[]处理二进制数据：如果只是读写二进制文件，完全没必要转成String，直接操作字节数组就行：

   import java.io.*;
   
   public final class StringRawTest {
       public static final void main(String[] args) throws Exception {
           InputStream in = new FileInputStream("symbol_matrix.bin");
           byte[] arr = new byte[in.available()];
           in.read(arr);
           in.close();
           
           OutputStream out = new FileOutputStream("symbol_matrix_output.bin");
           out.write(arr); // 直接写入原始字节数组
           out.close();
       }
   }
   

2. 在JTextArea中展示原始字节：如果要在文本框里显示二进制数据，得把每个字节转成可读格式，比如十六进制字符串：

   // 将byte[]转为十六进制字符串
   public static String bytesToHex(byte[] bytes) {
       StringBuilder sb = new StringBuilder();
       for (byte b : bytes) {
           sb.append(String.format("%02X ", b));
       }
       return sb.toString();
   }
   
   // 使用示例：
   JTextArea textArea = new JTextArea();
   textArea.setText(bytesToHex(arr));
   

   这样既能直观看到原始字节值，又不会丢数据。要是需要从编辑后的文本转回字节，再解析十六进制字符串就行。

内容的提问来源于stack exchange，提问作者BHms game Java