Java String(byte[], int, int)构造方法Javadoc加粗内容含义解析

先看这个构造方法的定义：

public String(byte[] bytes, int offset, int length)

对应的官方文档注释是：

使用平台默认字符集对指定字节子数组进行解码，构造一个新的String。

新String的长度由字符集决定，因此可能不等于该子数组的长度。

当给定字节在默认字符集中无效时，此构造方法的行为未指定。若需要对解码过程进行更多控制，应使用CharsetDecoder类。

接下来我来拆解两个加粗部分的具体含义：

• 第一句加粗内容的含义：
  不同字符集里，单个字符对应的字节数差异很大。比如ASCII字符集里，每个字符只占1个字节，这时候用n个字节的子数组解码，得到的String长度就是n；但如果是UTF-8字符集，一个中文汉字通常占3个字节，那3个字节的子数组解码后得到的String长度就是1。还有像UTF-16，每个字符占2个或者4个字节。所以最终生成的String的字符数量（调用length()方法得到的数值），完全取决于当前使用的字符集编码规则，和传入的字节子数组长度（构造方法里的length参数）没有必然的相等关系。

• 第二句加粗内容的含义：
  如果你传入的字节序列不符合当前平台默认字符集的编码规范——比如给UTF-8字符集传入了一段截断的多字节编码序列，这个构造方法的处理逻辑是不固定的：有的JDK版本可能直接抛出异常，有的可能把无效字节替换成占位符（比如那个常见的乱码符号�），还有的可能直接跳过无效字节。这种没有统一标准的处理方式就叫“行为未指定”。
  要是你需要精准控制解码时的错误处理逻辑——比如要求遇到无效字节就抛出异常，或者用指定字符替换，或者直接忽略错误字节，那就得用CharsetDecoder类，它允许你通过onMalformedInput()等方法设置明确的错误处理策略，完全掌控解码过程。

内容的提问来源于stack exchange，提问作者im o