Java中byte数组直接转String与逐字节转char再转String的编码差异原因

你的示例中，十六进制C3A76170是UTF-8编码的"çap"——其中C3A7是字符ç的UTF-8双字节序列，61对应a，70对应p。两种转换方式的差异核心在于是否正确处理了字符编码的解码逻辑。

直接用byte[]构造String的正确逻辑 #

new String(byte[])会默认使用当前JVM的字符集（这里是UTF-8）对字节数组执行解码操作：它会识别UTF-8的多字节序列规则，把连续的C3A7两个字节当作一个整体，解码为Unicode字符U+00E7（即ç），剩下的61和70分别解码为a和p，最终得到正常的"çap"。

如果要避免依赖JVM默认字符集，推荐显式指定编码：

String s1 = new String(byteArray, StandardCharsets.UTF_8);

逐字节转char再构造String的问题所在 #

Java里的byte是8位有符号类型（范围-128_{127），而`char`是**16位无符号的Unicode字符**（范围`U+0000`}U+FFFF）。当你把byte强制转成char时，会触发符号扩展：

• 十六进制C3对应的byte值是-61（超出有符号byte的正范围127），转成char时高位补1，变成0xFFC3（对应Unicode字符ￃ）；
• 十六进制A7对应的byte值是-89，转成char后是0xFFA7（对应Unicode字符ﾧ）；
• 后面的61和70属于ASCII范围内的正byte值，转成char后是正常的a和p。

最终char[]的内容是['ￃ', 'ﾧ', 'a', 'p']，构造出的字符串自然就是ￃﾧap。

背后的核心原理 #

1. 编码与解码的本质区别：
   byte[]是字符经过编码（如UTF-8）后的二进制序列，并非字符的直接映射；而char[]是Unicode字符的直接存储。直接用byte[]构造String是解码过程，会遵循字符集规则把字节序列还原为字符；逐字节转char则错误地把单个字节当作独立的Unicode码点，完全忽略了多字节编码的上下文规则。

2. Java类型转换的语义：
   有符号byte转char时的符号扩展，会破坏UTF-8多字节序列的原始值——UTF-8中多字节字符的首字节和后续字节都大于127（对应byte的负值），转成char后会变成完全无关的高码位字符。

3. UTF-8的编码规则：
   非ASCII字符在UTF-8中会用2~4个字节表示，这些字节必须作为一个整体解码，拆分后单独转换会丢失编码的上下文信息，导致错误的字符映射。

正确的逐字节转换方式（若需） #

如果一定要通过字符数组处理，应该使用字符集解码器来正确解析字节序列：

import java.nio.charset.StandardCharsets;
import java.nio.ByteBuffer;
import java.nio.CharBuffer;

// ...

byte[] byteArray = StringUtil.toByteArray("C3A76170");
CharBuffer charBuffer = StandardCharsets.UTF_8.decode(ByteBuffer.wrap(byteArray));
String s3 = charBuffer.toString();
System.out.println(s3); // 输出çap

内容的提问来源于stack exchange，提问作者hltu