Java Groovy字符编码结果与不支持的字符不匹配

这是到目前为止我的分析和障碍，假设下面的字符基本上由“UTF-8”字符集支持，但不支持“EUC-JP”。 “―” 对于php，有一个方法“var_dump（input_string）”将任何字符串转换为编码为“EUC-JP”的字节数组，在本例中，它返回

[161, 189, 10] //Note: [3]=>int(10) for Line Feed.

类似地，当我生成编码为“UTF-8”的字节数组时，在本例中它返回

[226, 128, 141,10] //Note: [4]=>int(10) for Line Feed.

但是，当我在Groovy中尝试同样的东西时， 它的行为完全不同，对于EUC-JP，字节排列如下：

[-95, -67, 10] //Note: [3]=>int(10) for Line Feed.

对于UTF-8

[-30, -128, -107, 10] //Note: [4]=>int(10) for Line Feed.

注意，我直接从两个分别用EUC-JP和UTF-8编码的不同文本文件中获取数据。以上所有数组的最后一个字节用于LF（换行符）。由于这两种语言的相同字符编码的字节排列不同，因此不可能在两者之间匹配生成的哈希

这是到目前为止的代码示例，从php开始

<?php
$myfile = fopen("euc_jp.txt", "r") or die("Unable to open file!");
$str1 = fread($myfile,filesize("euc_jp.txt"));

echo "Read From File EUC-JP:<br/>";
echo $str1;
$byte_array1 = unpack('C*', $str1);
echo "<br/>Byte Dump of EUC-JP File Content:<br/>";
var_dump($byte_array1);

echo "<br/><br/>";
$myfile2 = fopen("utf_8.txt", "r") or die("Unable to open file!");
$str2 = fread($myfile2,filesize("utf_8.txt"));

echo "<br/><br/>";
echo "Read From File UTF-8:<br/>";
echo $str2;
$byte_array2 = unpack('C*', $str2);
echo "<br/>Byte Dump of EUC-JP File Content:<br/>";
var_dump($byte_array2);


$encodedToEucJp = mb_convert_encoding($str2, "EUC_JP");
echo "<br/><br/>After conversion (UTF-8) to (EUC-JP): <br/>";
echo $encodedToEucJp;

echo "<br/><br/>";

echo "Hash Generation Directly From EUC-JP:<br/>";
print_r(md5($str1));

echo "<br/><br/>";
echo "Hash Generation From UTF-8 File Content After Encoded to EUC-JP:<br/>";
print_r(md5($encodedToEucJp));

fclose($myfile);
fclose($myfile2);
?>

到目前为止，这是我的障碍，首先，这两种语言的字节表示是不同的，如果这不是Groovy和Java8的限制，那么如何生成与php相同的字节排列，其次，本机php函数b_convert_encoding（）的等效代码是什么。因此，我能够转换任何字符串编码，其中可能有一些编码机制都不支持的字符。

Java和Groovy字节是有符号的值，即一个字节的值介于

-128

和

+127

之间

要为同一个字节计算相应的无符号值，请将

256

添加到负值，例如

-95+256=161

因此，您看到的是相同的字节。只是PHP将值打印为无符号，Groovy将值打印为有符号。它们仍然是一个字节中相同的8位

Unsigned             Signed                 Hex
161, 189, 10      == -95, -67, 10        == A1, BD, 0A
226, 128, 141, 10 == -30, -128, -115, 10 == E2, 80, 8D, 0A
226, 128, 149, 10 == -30, -128, -107, 10 == E2, 80, 95, 0A

e280 8D

是UTF-8的标准配置

E2 80 95

是UTF-8

---

如果要将字节数组的值打印为可读文本，建议使用2位十六进制打印字节。这样，每个字节的长度始终为2个十六进制数字。

谢谢，您的回答对我帮助很大。在这方面我有另一个上下文，基本上我试图编码一个包含字符“―”的字符串，使用php它平滑地编码到EUC-JP并以字节返回[161189]，但是，当我尝试用java编码相同的字符和相同的编码时，它只返回字节中的“？”，这是[63]，我的期望是[161189]。所以，我需要做些什么来解决这个问题。@Md.HasanBasriAngel，这是因为“―”（）在中不存在。“-”（）会，如bytes

a1bd

@Md.HasanBasriAngel再次检查。Unicode字符U+2015不在该列表中，这是您在上面评论中发布的字符（如果您不相信，请复制/粘贴）。Unicode字符U+2014在EUC-JP字符列表中，但这是一个不同的字符，尽管它们看起来非常相似。再读一遍我的书！！再次感谢您，抱歉之前的消息，请忽略此消息。但我的问题是，在php中，他们通过这个转换函数mb_convert_encoding（$str2，“EUC_JP”）以某种方式管理它。我基本上在groovy和java中寻找类似的机制。@Md.HasanBasriAngel java遵循规范。PHP轻视规范和规范。不要指望其他语言会这样做。如果希望所有“看起来相似”的字符映射到同一个EUC_JP字符，则需要找到“看起来相似”的定义（如果存在这样的定义）。

Unsigned             Signed                 Hex
161, 189, 10      == -95, -67, 10        == A1, BD, 0A
226, 128, 141, 10 == -30, -128, -115, 10 == E2, 80, 8D, 0A
226, 128, 149, 10 == -30, -128, -107, 10 == E2, 80, 95, 0A