Scala中Source.fromInputStream未抛出MalformedInputException问题排查

我来帮你拆解这个问题——核心原因是Scala的Source默认采用了“容错”的UTF-8解码策略，不会因为无效字节直接抛出异常，而是悄悄替换成占位符。

问题根源：默认的编码错误处理策略 #

Scala的Source.fromInputStream底层依赖Java的InputStreamReader，而Java的CharsetDecoder（UTF-8解码器）默认的错误处理行为是CodingErrorAction.REPLACE：遇到无效的UTF-8字节时，会用�这个替换字符代替错误字节，程序继续执行，不会抛出MalformedInputException。

你代码里加的128.toByte（也就是0x80）是一个无效的UTF-8起始字节，按照默认策略，它会被替换成占位符，而不是触发异常。你可以尝试输出读取到的内容，会看到开头多了一个�，比如�hellö wörld，这就证明了无效字节被处理掉了。

如何让它抛出预期的异常？ #

如果需要严格校验UTF-8的有效性，必须显式修改解码器的错误处理策略为CodingErrorAction.REPORT，这样遇到无效字节时就会抛出异常。这里是修改后的完整代码：

import java.io.ByteArrayInputStream
import java.nio.charset.{CharsetDecoder, CodingErrorAction, StandardCharsets}
import scala.io.Source

val stringSourceAsBytes = "hellö wörld".getBytes(StandardCharsets.UTF_8)
val messedUpUTF8 = 128.toByte +: stringSourceAsBytes

val linesIterator: Iterator[String] = try {
  val input = new ByteArrayInputStream(messedUpUTF8)
  // 自定义UTF-8解码器，开启错误报告模式
  val decoder: CharsetDecoder = StandardCharsets.UTF_8.newDecoder()
    .onMalformedInput(CodingErrorAction.REPORT)
    .onUnmappableCharacter(CodingErrorAction.REPORT)
  // 使用自定义解码器创建Source
  Source.fromInputStream(input)(decoder).getLines()
} catch {
  case e: java.nio.charset.MalformedInputException =>
    println(s"捕获到预期的异常：${e.getMessage}")
    Iterator.empty
}

这段代码中，我们手动创建了UTF-8解码器，把onMalformedInput和onUnmappableCharacter都设置为REPORT，这样解码器遇到无效字节时就会抛出MalformedInputException，和你预期的行为一致。

补充说明 #

默认的REPLACE策略是为了让程序在遇到脏数据时尽量继续运行，避免直接崩溃。但如果你的场景需要严格校验输入的UTF-8合法性，就必须手动修改这个策略。

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