Javaの問題：バイト列から文字列を作成する

Question

私は次のプログラムに遭遇し、予期せぬ結果を示しました。

public class StringFromByte 
{ 
     public static void main(String[] args) 
     { 
      byte bytes[] = new byte[256]; 

      for(int i = 0; i < 256; i++) 
       bytes[i] = (byte)i; 

      String str = new String(bytes); 
      for(int i = 0, n = str.length(); i < n; i++) 
       System.out.print((int)str.charAt(i) + " "); 
     } 
} 

技術的には、このプログラムは0から255までの整数を順番に出力する必要があります。しかし、プログラムを実行すると、時にはこのシーケンス（0〜255）が表示されることがあります。その動作は不特定である。どうしたの？

Answer 1

使用しているStringコンストラクタは、デフォルトの文字エンコーディングを使用します。いくつかのバイトをマルチバイト文字として解釈できます。

はこれを試してみてください：

  String str = new String(bytes, CharSet.forName("ISO-8859-1")); 

は、標準のCharSet名がリストされ、またCharSet API documentationを参照してください。

免責事項：私は通常、このコンストラクタをUTF-8に使用します。

Answer 2

まず、Java byteタイプが保持できる最大値は127です（バイトデータ型は8ビット符号付き2の補数です）。

Answer 3

その動作は不特定ではありません。

文字はバイトと同じではありませんが、これを書いた人はそれを知らないのです。ユニコードには約600万の文字がありますが、ユニークバイトは256バイトしかありません。これは、多くのユニコード文字が複数のバイトで表されることを意味します。

例のバイトの中には、文字に複数のバイトが必要であることが示されていますが、配列の「次の」バイトが有効なUTF-8文字に対応していないと推測しています。

UTF-8以外のバイトセットから適切に文字列をエンコードするには、use this constructorを使用します。 正しい文字セットを指定しなければならないので、Javaはバイトがどのように文字に収まるかを理解できます。

結果が異なる原因は、環境によるものです。各環境には、好みの文字セットを指定するデフォルトのLocaleがあります。使用しているコンストラクタは常にUTF-8文字セットを前提としているので、ソースバイトを間違った形に誤って変換することがあります。

Answer 4

byteをcharに置き換えると、期待どおりに動作します。それはバイトの最大127のためです。