概述

java讀寫檔案的有很多種方式，基本都是採用java.io的inputStream和各種基於inputstream的封裝實現對檔案的讀寫，最原始的介面提供的便是基於byte的讀寫，而String可以看做是char[]，一個char是8個byte。在最原始的ASCII編碼中，我們採用一個位元組 也就時8位來表示一個字元（圖形字元或者控制字元），而後來1個位元組不足以表示現實中的所有字元，於是出現了各種各樣的編碼格式，常見的比如UTF-8，GBK，UNICODE等。java中的string也是遵循jre中定義的預設字符集(基本為UTF-8），而在byte[]轉化成String的過程中可能會由於編碼字符集問題導致String逆向回來的byte[]與原來的陣列不一致。

問題描述

使用Java 讀取一個zip檔案，轉化成String從客戶端傳輸到伺服器，客戶端儲存到本地檔案中，發現客戶端得到zip檔案不能使用，提示檔案損壞或者結尾損壞。比較原始檔和生成檔案的字元，發現字元不一致。

測試程式

public class Test_Keyczar {
    public static void main(String[] args) {
        try {   
            byte[] out = readFileInBytesToString("D:\\下載\\a+b.zip");
            File outfile = new
 
 File("D:\\下載\\a-b1221.zip");
            if (!outfile.exists()) {
                outfile.createNewFile();
            }
            DataOutputStream fw = new DataOutputStream(new FileOutputStream(
                    outfile));
            fw.write(new String(out).getBytes());
            fw.close();
        } catch
 
 (FileNotFoundException e) {
            // TODO Auto-generated catch block
            e.printStackTrace();
        } catch (IOException e) {
            // TODO Auto-generated catch block
            e.printStackTrace();
        } catch (Exception e) {
            // TODO Auto-generated catch block
            e.printStackTrace();
        }

    }
    public static byte[] readFileInBytesToString(String filePath) {
        final int readArraySizePerRead = 4096;
        File file = new File(filePath);
        ArrayList<Byte> bytes = new ArrayList<>();
        try {
            if (file.exists()) {
                DataInputStream isr = new DataInputStream(new FileInputStream(
                        file));
                byte[] tempchars = new byte[readArraySizePerRead];
                int charsReadCount = 0;

                while ((charsReadCount = isr.read(tempchars)) != -1) {
                    for(int i = 0 ; i < charsReadCount ; i++){
                        bytes.add (tempchars[i]);
                    }
                }
                isr.close();
            }
        } catch (IOException e) {
            // TODO Auto-generated catch block
            e.printStackTrace();
        }

        return toPrimitives(bytes.toArray(new Byte[0]));
    }
    static byte[] toPrimitives(Byte[] oBytes) {
        byte[] bytes = new byte[oBytes.length];

        for (int i = 0; i < oBytes.length; i++) {
            bytes[i] = oBytes[i];
        }

        return bytes;
    }
}

測試結果

• 如果以byte[]讀入檔案 不加修改直接寫入檔案，原始檔和生成檔案一致
• 如果以byte[]讀入檔案 採用new String(byte[])的方式轉化成String，之後在用String.getBytes()的方式轉化為byte[]寫檔案，原始檔和生成檔案字元不一致

問題原因分析

java的預設字符集為UTF-8，所以在new String(byte[])的時候發生了字符集的轉化，在原始的二進位制檔案中，字元是按照ascii的形式組織的，而utf-8採用的是一種可變長的編碼，對於原始的ascii的資料的解碼會導致字元陣列的改變，而在String.getBytes()也是得到經過UTF-8編碼過後的字元陣列。

解決方案

為了排除字符集的問題，可以採用以下兩種方案
- 以byte陣列的方式讀取和處理字元陣列，不加轉化
- 在byte[]轉化成String的時候指定字符集為 ISO-8859-1,在String再轉化成byte[]的時候也指定字符集為ISO-8859-1

參考