如何从US-ASCII编码字节数组中正确显示西里尔字母？

你遇到的问题本质是US-ASCII编码不支持西里尔字符。US-ASCII仅包含0-127的字符，西里尔字母不在这个范围内，所以调用getBytes(StandardCharsets.US_ASCII)时，JVM会将无法编码的西里尔字符替换成?——这一步已经永久丢失了原始字符的信息，后续再转回字符串自然无法恢复。

要正确保留并还原西里尔字母，必须使用支持西里尔字符集的编码格式，推荐用UTF-8（通用跨平台）或Windows-1251（西里尔字符专用编码）。

方案1：使用UTF-8编码（推荐） #

import java.nio.charset.StandardCharsets;
import java.io.UnsupportedEncodingException;

public class CyrillicEncodingTest {
    public static void main(String[] args) {
        // 使用UTF-8编码字符串为字节数组
        byte[] bytes = "тестtest".getBytes(StandardCharsets.UTF_8);
        // 用UTF-8解码字节数组回字符串
        System.out.println(getStringValue(bytes, StandardCharsets.UTF_8.name()));
    }

    private static String getStringValue(byte[] content, String encoding) {
        try {
            return new String(content, 0, content.length, encoding);
        } catch (UnsupportedEncodingException e) {
            e.printStackTrace();
            return "";
        }
    }
}

方案2：使用Windows-1251编码（西里尔专用） #

import java.nio.charset.Charset;
import java.io.UnsupportedEncodingException;

public class CyrillicEncodingTest {
    public static void main(String[] args) {
        // 使用Windows-1251编码字符串为字节数组
        byte[] bytes = "тестtest".getBytes(Charset.forName("Windows-1251"));
        // 用Windows-1251解码字节数组回字符串
        System.out.println(getStringValue(bytes, "Windows-1251"));
    }

    private static String getStringValue(byte[] content, String encoding) {
        try {
            return new String(content, 0, content.length, encoding);
        } catch (UnsupportedEncodingException e) {
            e.printStackTrace();
            return "";
        }
    }
}

关键说明 #

• 两种方案都能正确输出тестtest：UTF-8更适合跨平台场景，Windows-1251在仅处理西里尔字符时字节占用更小。
• 编码和解码必须使用同一套字符集，且该字符集要覆盖所有需要处理的字符，否则仍会出现字符丢失或乱码。

内容的提问来源于stack exchange，提问作者Костя Н