UTF8 验证可以在 char[] 上完成，还是必须在原始字节 [] 上完成？

编程问答 2022-04-20

问题描述

我正在尝试验证我所摄取的文件都严格符合 UTF8，并且通过我的多次阅读，我得出的结论是，如果要正确完成验证，则必须使用原始的、未篡改的数据字节进行分析。如果在事后尝试查看字符串本身，他们不太可能发现是否有任何字符不符合 UTF8，因为 Java 会尝试转换它们。

我正在正常读取文件：我从文件中收到一个 InputStream，然后向它提供一个 InputStreamReader，然后将它提供给 BufferedReader。它看起来像：

InputStream is = new FileInputStream(fileLocation);
InputStreamReader isr = new InputStreamReader(is,StandardCharsets.UTF_8)));
BufferedReader br = new BufferedReader(isr);

我可以覆盖 BufferedReader 类，为它偶然发现的每个字符添加一些验证。

问题在于 BufferedReader 有一个 char[]，而不是 byte[]，用于缓冲区。这意味着字节会自动转换为字符。

那么，我的问题是：这个验证可以在位于 BufferedReader 的 char[] 级别完成吗？虽然我在这里有点“强制”UTF8：

InputStreamReader isr = new InputStreamReader(is,StandardCharsets.UTF_8)));

我看到字符从非 utf-8（例如 utf-16）转换为 utf-8，并破坏了一些系统。我不知道 char[] 对于这个验证来说基本上“太晚了”。是吗？

解决方法

暂无找到可以解决该程序问题的有效方法，小编努力寻找整理中！

如果你已经找到好的解决方法，欢迎将解决方案带上本链接一起发送给小编。

小编邮箱:dio#foxmail.com (将#修改为@）

bufferedreaderinputstreaminputstreamreaderjavajava