我有一个接收上传文本文件的网络服务。所以在服务器端，我得到了一个InputStream对象，我尝试将它包装为一个InputStreamReader，并以“UTF8”作为字符集。但我注意到，当我上传以 US-ASCII 编码的文件时也可以工作。似乎 Java 可以自动将文件从所有其他字符集转换为 UTF8。我对吗？charset 属性是如何工作的？
问问题
1480 次
5 回答
1
UTF-8 是 US-ASCII 的超集
ASCII 是 7 位字符（0 到 127），这些在 US-ASCII 和 UTF-8 以及许多其他字符集中没有变化。大多数字符集不同的地方是高位字节（128 到 255） 在 US-ASCII 的情况下，它是未定义的，对于 ISO-8859-1，这些字符不变，允许最多 255 个字符，在 UTF-8 中，字符是编码为使用 2 到 4 个字节，因此它最多可以表示 0x10FFFF 或 128K 个字符。
于 2012-08-30T08:57:53.073 回答
0
为什么？如果您要上传文件，只需使用 InputStream。您不想将文件数据转换为 UTF-16，然后再转换回可能的不同编码。
只需复制字节。
于 2012-08-30T10:04:30.890 回答
0
不，Java 通常不会自动将一个字符集转换为另一个字符集，尤其是当您明确告诉它要使用哪个字符集时。
但问题是 UTF-8 与 ASCII 兼容。这意味着每个有效的 ASCII 流也自动成为有效的 UTF-8 流，并且仅包含以 UTF-8 编码的 ASCII 字符的文本也是有效的 ASCII。
因此，如果您打算只接受 ASCII 和 UTF-8 输入，那么将其全部视为 UTF-8 是完全有效的。如果您还计划支持其他编码，那么您将需要某种方式来传输有关正在使用的实际编码的信息。
于 2012-08-30T08:57:47.580 回答
0
这仅适用于 US-ASCII 是 UTF-8 的子集（每个 ASCII 文件也是相同数据的有效 UTF-8 文件）。
试试别的，它会坏的。
于 2012-08-30T08:57:48.270 回答
0
UTF-8 与 ASCII 兼容，即每个 ASCII 文档也是有效的 UTF-8。引用维基百科：
[UTF-8] 旨在向后兼容 ASCII 并避免 UTF-16 和 UTF-32 中字节顺序和字节顺序标记的复杂性。
[...] Unicode 的前 128 个字符与 ASCII 一对一对应，使用与 ASCII 具有相同二进制值的单个八位字节进行编码，从而使有效的 ASCII 文本也成为有效的 UTF-8 编码的 Unicode。
所以 Java 仍然将您的流视为 UTF-8。如果您尝试使用 UTF-8 阅读器使用 UTF-16 或 UTF-32，您将得到垃圾。
于 2012-08-30T08:58:36.127 回答