为何UTF-8下byte[]→String→byte[]输入输出不一致？ISO_8859_1是否始终一致？

为什么UTF-8下byte[]→String→byte[]会出现输入输出差异？ #

没错，这确实和UTF-8的可变宽度编码特性密切相关，但更核心的原因是UTF-8对字节序列的合法性有严格要求。

咱们先拆解UTF-8的编码逻辑：它用1-4个字节表示一个Unicode字符，而且不是随便组合的字节都算合法序列。比如：

• 单字节字符的最高位必须是0（范围0x00-0x7F）
• 多字节字符的首字节以110、1110、11110开头，后续字节必须以10开头

如果你的inputBytes里包含不符合规则的字节（比如单独的0xFF，或者半截的多字节序列），把它转成String时，Java会自动把这些非法UTF-8字节替换成Unicode的替换字符�（U+FFFD）。等你再把这个String转回byte[]时，替换字符会被编码成UTF-8格式的三个字节：0xEF 0xBF 0xBD，这自然和原输入字节不一样，测试用例也就失败了。

举个直观的代码例子：

import java.util.Arrays;
import java.nio.charset.StandardCharsets;

public class CharsetDemo {
    public static void main(String[] args) {
        byte[] inputBytes = new byte[]{(byte) 0xFF}; // 非法UTF-8单字节
        String str = new String(inputBytes, StandardCharsets.UTF_8);
        byte[] outputBytes = str.getBytes(StandardCharsets.UTF_8);
        
        // 对比结果：inputBytes是[0xFF]，outputBytes是[0xEF, 0xBF, 0xBD]
        System.out.println("输入字节：" + Arrays.toString(inputBytes));
        System.out.println("输出字节：" + Arrays.toString(outputBytes));
    }
}

为什么ISO_8859_1下转换不会有问题？ #

ISO_8859_1（又称Latin-1）是单字节固定宽度编码，它的设计逻辑就是把每个字节（0x00-0xFF）直接映射到Unicode的U+0000到U+00FF字符。也就是说：

• 任何字节值在ISO_8859_1里都是合法编码
• 转成String时，每个字节对应唯一的Unicode字符，没有替换逻辑
• 转回byte[]时，每个Unicode字符又会还原成原来的字节值

不管你的inputBytes数组多大、包含什么字节，这个1:1的映射关系都不会断裂，所以测试总能通过。

附加问题：ISO_8859_1的byte[]→String→byte[]转换是否始终一致？ #

是的，绝对一致。

因为ISO_8859_1的编码空间刚好覆盖了所有可能的字节值（0x00到0xFF），每个字节和Unicode字符是严格一一对应的，不存在任何需要替换的非法序列。只要你全程使用ISO_8859_1字符集进行转换，输入和输出的byte[]就会完全相同，没有任何损耗或变化。

内容的提问来源于stack exchange，提问作者PresentProgrammer