含负字节值的字节数组转UTF-8字符串异常的解决方案咨询

你的问题核心是：直接用UTF-8编码包含大于127字节（Java中表现为负数）的数组时，非法的UTF-8序列会被替换成�，导致无法还原原数组。以下两种方案可以解决这个问题：

方案一：使用ISO-8859-1（Latin-1）编码 #

ISO-8859-1是单字节字符集，每个0-255的字节值对应唯一的字符，包括Java中表示为负数的无符号字节（128-255），双向转换完全不会丢失信息。

代码示例 #

转字符串：

byte[] by = {2, 126, 33, -66, -100, 4, -39, 108};
String latin1Str = new String(by, StandardCharsets.ISO_8859_1);

还原原字节数组：

byte[] originalBytes = latin1Str.getBytes(StandardCharsets.ISO_8859_1);

此时originalBytes与原数组by完全一致。

方案二：使用Base64编码 #

Base64将二进制数据转换为仅包含可打印字符的字符串，是二进制数据与字符串互转的标准方案，完全无损，适合需要将字节数组作为字符串传输或存储的场景。

代码示例 #

转字符串：

byte[] by = {2, 126, 33, -66, -100, 4, -39, 108};
String base64Str = Base64.getEncoder().encodeToString(by);

还原原字节数组：

byte[] originalBytes = Base64.getDecoder().decode(base64Str);

该方案同样能完美还原原字节数组。

为什么UTF-8不行？ #

UTF-8是多字节编码，并非所有0-255的字节都是合法的UTF-8序列：

• 0-127的字节是合法的单字节UTF-8字符；
• 128-191的字节必须作为多字节UTF-8字符的后续字节存在，不能单独出现；
• 192-255的字节需符合特定的多字节开头规则。

你原数组中的-66（无符号190）、-100（156）、-39（217）都是单独的非法UTF-8序列，解码时会被替换成�（U+FFFD，替换字符），而这个字符的UTF-8编码是0xEF 0xBF 0xBD，自然无法还原成原字节。

内容的提问来源于stack exchange，提问作者Ekanath S M R