Von byte[] nach String zurueck nach byte[]. Arrays sind nicht identisch :(

[sirbender]

Hi,

ich habe gerade folgendes Problem:

ich muss ein byte[] in einen String konvertieren:

String data = new String(bArray, "UTF-8");
System.out.println(bArray.length);
System.out.println(data.length());
byte[] restored = data.getBytes("UTF-8");
System.out.println(restored.length);

Die Programmausgabe ist:
6264
6214
7710

D.h. durch die Konvertierung ist bArray und restored nicht identisch 🙁

Was ist da los? Wie kann ich es verhindern?

Danke,
sb

 

[HoaX]

Reduziere doch mal deine Eingangsbytes bis es < 10 sind. Entweder du siehst dann sofort selbst was mit den Bytes nicht stimmt, oder du postest diese hier und wir sehen weiter. Alles andere ist raten...

 

[sirbender]

Ok...ich habe mal ein Minimales Beispiel geschrieben. Eigentlich sollte es egal sein, da ich ein byte[] reinfuettere. Das ist schon ein richtiges byte[] -- es sollte also alles stimmen. Da ich das CharSet zum encodieren und dann auch decodieren angebe sollte ebenfalls alles funzen.

Tut es aber nur wenn ich charSet = "ISO-8859-1" nutze. Bei charSet = "UTF-8" ist der Array nach der Konvertierung nicht mehr identisch.

	public static void main(String[] args) throws UnsupportedEncodingException {
		byte[] bArray; 
		bArray = new byte[] {0,1,0,0,0,13,0,-128,0,3,0,80,70,70,84,77,-56,-66,-115};
				
		String charSet;
		charSet = "ISO-8859-1";
		charSet = "UTF-8";
		
		String data = new String(bArray, charSet);
		System.out.println(bArray.length);
		System.out.println(data.length());
		
		byte[] restored = data.getBytes(charSet);
		System.out.println(restored.length);
		
		System.out.println(Arrays.toString(bArray));
		System.out.println(Arrays.toString(restored));
		System.out.println("bArray == restored: " + Arrays.equals(bArray, restored));
	}

 

[njans]

Hier stand unsinn!

 

[Sesostris]

Im UTF-8 werden die nicht als gültiges Zeichen darstellbaren Werte durch den Unicode replacement character (FFFD) ersetzt. Deine negativen Zahlen werden dadurch zu [-17, -65, -67], was dezimal eben diesem replacement character entspricht.

 

[sirbender]

Aua!

Ich nehme an es gibt keine Loesung?!

Ich erhalte das byte[] schon UTF-8 encodiert. Ich nehme an, dass an diesem Punkt, die Originaldaten bereits unwiederbringlich 'verloren' sind, oder?

 

[Sesostris]

Woher bekommst du dein im UTF-8 encodiertes byte[] und was soll es überhaupt repräsentieren?
In obigem Beispiel reicht ein System.out.println(new String(bArray, "UTF-8")) aus, um zu sehen, dass bereits dein ursprüngliches byte[] nur Kauderwelsch enthält. Vor allem dieses "�" dürfte nicht vorkommen und zeigt an, dass aus Sicht von UTF-8 ein Fehler vorliegt.