Convertendo matriz de bytes em String (Java)

Estou escrevendo um aplicativo da web no Google app Engine. Ele permite que as pessoas basicamente editem o código html que é armazenado como um .htmlarquivo no blobstore.

Estou usando fetchData para retornar um byte[]de todos os caracteres no arquivo. Estou tentando imprimir em um html para que o usuário edite o código html. Tudo funciona muito bem!

Aqui está meu único problema agora:

A matriz de bytes está tendo alguns problemas ao converter de volta para uma string. Citações inteligentes e alguns personagens estão saindo do ar. (? 's ou símbolos japoneses etc.) Especificamente são vários bytes que estou vendo que têm valores negativos que estão causando o problema.

As aspas inteligentes estão voltando como -108e -109na matriz de bytes. Por que isso acontece e como posso decodificar os bytes negativos para mostrar a codificação de caracteres correta?

A matriz de bytes contém caracteres em uma codificação especial (que você deve saber). A maneira de convertê-lo em String é:

String decoded = new String(bytes, "UTF-8");  // example for one encoding type

By the way - os bytes brutos aparecem podem aparecer como decimais negativos apenas porque o tipo de dados java byteé assinado, ele cobre o intervalo de -128 a 127.

-109 = 0x93: Control Code "Set Transmit State"

O valor (-109) é um caractere de controle não imprimível em UNICODE. Portanto, UTF-8 não é a codificação correta para esse fluxo de caracteres.

0x93em "Windows-1252" está a "citação inteligente" que você está procurando, portanto, o nome Java dessa codificação é "Cp1252". A próxima linha fornece um código de teste:

System.out.println(new String(new byte[]{-109}, "Cp1252")); 

Java 7 e superior

Você também pode passar a codificação desejada para o Stringconstrutor como uma Charsetconstante de StandardCharsets . Isso pode ser mais seguro do que passar a codificação como um String, como sugerido nas outras respostas.

Por exemplo, para codificação UTF-8

String bytesAsString = new String(bytes, StandardCharsets.UTF_8);

Você pode tentar isso.

String s = new String(bytearray);

public class Main {

    /**
     * Example method for converting a byte to a String.
     */
    public void convertByteToString() {

        byte b = 65;

        //Using the static toString method of the Byte class
        System.out.println(Byte.toString(b));

        //Using simple concatenation with an empty String
        System.out.println(b + "");

        //Creating a byte array and passing it to the String constructor
        System.out.println(new String(new byte[] {b}));

    }

    /**
     * @param args the command line arguments
     */
    public static void main(String[] args) {
        new Main().convertByteToString();
    }
}

Resultado

65
65
A

public static String readFile(String fn)   throws IOException 
{
    File f = new File(fn);

    byte[] buffer = new byte[(int)f.length()];
    FileInputStream is = new FileInputStream(fn);
    is.read(buffer);
    is.close();

    return  new String(buffer, "UTF-8"); // use desired encoding
}

Eu sugiro Arrays.toString(byte_array);

Depende do seu propósito. Por exemplo, eu queria salvar uma matriz de bytes exatamente como o formato que você pode ver no momento da depuração, que é algo assim: [1, 2, 3]Se você quiser salvar exatamente o mesmo valor sem converter os bytes para o formato de caractere, Arrays.toString (byte_array)faça isso. Mas se você quiser salvar caracteres em vez de bytes, você deve usar String s = new String(byte_array). Nesse caso, sé igual a equivalente a [1, 2, 3]em formato de caractere.

A resposta anterior de Andreas_D é boa. Vou apenas acrescentar que, onde quer que você esteja exibindo a saída, haverá uma fonte e uma codificação de caracteres e pode não suportar alguns caracteres.

Para descobrir se o problema é Java ou sua tela, faça o seguinte:

    for(int i=0;i<str.length();i++) {
        char ch = str.charAt(i);
        System.out.println(i+" : "+ch+" "+Integer.toHexString(ch)+((ch=='\ufffd') ? " Unknown character" : ""));
    }

Java terá mapeado todos os caracteres que não consegue entender para 0xfffd o caractere oficial de caracteres desconhecidos. Se você vir um '?' na saída, mas não está mapeado para 0xfffd, é sua fonte de exibição ou codificação que é o problema, não Java.