Java 将字节[]转换为字符串并返回

我试图将pdf文件的内容保存在json中，并考虑将pdf保存为从字节[]转换而来的字符串值

    byte[] byteArray = feature.convertPdfToByteArray(Paths.get("path.pdf"));

    String byteString = new String(byteArray, StandardCharsets.UTF_8); 

    byte[] newByteArray = byteString.getBytes(StandardCharsets.UTF_8); 

    String secondString = new String(newByteArray, StandardCharsets.UTF_8);


    System.out.println(secondString.equals(byteString));
    System.out.println(Arrays.equals(byteArray, newByteArray));
    System.out.println(byteArray.length + " vs " + newByteArray.length);

上述代码的结果如下：

true
false
421371 vs 760998

---

两个

字符串

相等，而两个

字节[]

不相等。这是为什么？如何在json中正确转换/保存pdf？

在读取pdf文件时，您可能使用了错误的字符集

例如，ISO-8859-1中不存在字符

é

（

e

带锐字符）：

byte[] byteArray = "é".getBytes(StandardCharsets.ISO_8859_1);
String byteString = new String(byteArray, StandardCharsets.UTF_8);
byte[] newByteArray = byteString.getBytes(StandardCharsets.UTF_8);
String secondString = new String(newByteArray, StandardCharsets.UTF_8);

System.out.println(secondString.equals(byteString));
System.out.println(Arrays.equals(byteArray, newByteArray));
System.out.println(byteArray.length + " vs " + newByteArray.length);

输出：

true
false
1 vs 3

为什么 如果

byteArray

确实包含PDF，则很可能是无效的UTF-8。因此，无论在哪里

String byteString = new String(byteArray, StandardCharsets.UTF_8);

如果遇到无效的UTF-8字节序列，它将用Unicode替换字符替换该字节序列。也就是说，此行会损坏您的数据，很可能无法修复。那么下面

byte[] newByteArray = byteString.getBytes(StandardCharsets.UTF_8);

不会产生原始字节数组，而是它的损坏版本

---

另一方面，

newByteArray

是UTF-8编码给定字符串的结果，

byteString

。因此，

newByteArray

是有效的UTF-8和

String secondString = new String(newByteArray, StandardCharsets.UTF_8);

不需要替换UTF-8映射之外的任何内容，尤其是

byteString

和

secondString

是相等的

如何在json中正确转换/保存pdf？ 正如@mammago在评论中解释的那样

---

JSON不是二进制内容（如文件）的适当格式。您应该使用base64之类的东西从PDF中创建一个字符串，并将其存储在JSON对象中

---

JSON不是二进制内容（如文件）的适当格式。您应该使用base64之类的东西从PDF中创建一个字符串，并将其存储在JSON对象中。