字节数组转换为字符串会造成数据损失的一些解释_字节数组转换成字符串存在数据丢失的风险

字节数组转换为字符串，然后再转回字节数组会有损失

首先看下面一个例子：

    File file1=new File("F:/Wangchuang/eclipse/eclipse.exe-0");
	byte[] bytes2=new byte[(int) file1.length()];
	FileInputStream fis=new FileInputStream(file1);
	fis.read(bytes2);
	fis.close();
	System.out.println(bytes2.length);
	String s2=new String(bytes2);
	System.out.println(s2.length());
1
2
3
4
5
6
7
8

执行结果：

	102400
	78479
1
2

	public static void ceshi(String filepath) {
		File file=new File(filepath);
		try(FileInputStream fis=new FileInputStream(file)){
			byte[] b=new byte[(int)file.length()];
			fis.read(b);
			System.out.println("文件编码方式为UTF-8，内容为中国，占用三个字节");
			System.out.println("采用系统默认的译码方式："+new String(b));	
		} catch (IOException e) {
			// TODO Auto-generated catch block
			e.printStackTrace();
		}
	}
1
2
3
4
5
6
7
8
9
10
11
12

执行结果

文件编码方式为UTF-8，内容为中国，占用三个字节
采用系统默认的译码方式：涓浗
1
2

可以看出这字节数组和字符串的长度不一致。不一致的原因是一个字符占用一个或者多个字节。new String()函数会将字节本身所携带的编码方式抛弃，然后改用系统默认的编码方式对字节信息进行译码。这可能导致文件是”中国“，而经过new String()之后就不是“中国”了。
下面为测试代码：

先把这个问题放一放，看下面一个代码，执行出来，数据没有发生损失。

	File file1=new File("F:/Wangchuang/eclipse/eclipse.exe-0");
	byte[] bytes2=new byte[(int) file1.length()];
	FileInputStream fis=new FileInputStream(file1);
	fis.read(bytes2);
	fis.close();
	char[] char1=new char[bytes2.length];
	//用循环会很麻烦，对于大数据的话，计算时间很久
	for(int i=0;i<bytes2.length;i++) {
		char1[i]=(char)bytes2[i];
	}
	System.out.println(char1.length);
	String s3=new String(char1);
	System.out.println(s3.length());	
1
2
3
4
5
6
7
8
9
10
11
12
13

执行结果：

	102400
	102400
1
2

虽然对于char[]数组不会发生数据损失，但是当这个字符串直接转换为字节数组的时候，会发生文件损坏，解决办法是，字符串先转换为char数组然后在转换为byte[]。

从上面两个代码块就知道，String函数对于char和byte的处理是不一样的，至于哪里不一样，现在研究一下。

Java中String内置的public String(byte[] bytes)和public byte[] getBytes()对于不合法的utf-8字节流在解析时会增删字节。

查了几个文章，有助于对这个问题的理解：

关于这个问题的问答

对于这个问答里面有一个解答是说，字符编码遇到了终止符，经过测试不可靠。主要原因是因为有字节的增删。

byte[]转换为字符串数据丢失的问题

参考
程序中用到了MD5加密和IDEA加密，通过这些算法得出的结果均是字节码，但是我程序中使用一个通讯接口，其接受的参数类型为String。所以在发送时，需要转换为String。

对于java来说，byte只能表示有符号的数据即范围为-128~127，所以对于编码后，如果原本字节流中的信息有大于127的话，将其转换成String类型，发送的时候再转换为byte[]时，会出现与原始字节码不一致的现象。

因为在java中如果找不到合适的字符的话，默认会用’?‘代替，如对于0xC9，很显然无法表示成字符，所以在进行byte[]->String->byte[]的时候，就会变成0x3F(’?’)。

此时可以通过字符编码的方式来解决：在进行byte[]->String的转换时，利用"new String(byteArray, “ISO-8859-1”);"得到String。在进行String->byte[]的时候，再通过pkt.getBytes(“ISO-8859-1”)得到原始byte[]，这样数据就不会出现错误。

经过测试，这个方法可以解决数据丢失的问题，文件的合并不会发生损坏
可以参考这篇文章里的：练习合并文件

byte[]to String 引起的bug
参考

什么是字节？

位是计算机内部的最小数据储存单位，8位就组成了1字节，也就是java中的byte。

什么是字符？

字符是指字母、数字、特殊符号的集合，也就是java中的char和String。

字节怎么就变成了字符？

答案是字符编码。比较出名的字符集是ascii、gb2312、utf-8等。其中ascii和gb2312是定长字符编码，一个字符分别占用1字节、2字节，而utf-8是变长字符编码，最短为1字节，最常为4字节。

以ascii为例，字母A在计算机中的存储为0b0100 0001。

Java中String内置的public String(byte[] bytes)和public byte[] getBytes()对于不合法的utf-8字节流在解析时会增删字节。

立贴再此！以后查看！