在 Java 中获取文本大小(以字节为单位)的最佳方法是什么?

Question

我在Java中实现了加密算法。现在，我想以字节为单位测量加密前后的消息大小。

如何获取文本的大小(以字节为单位)？

例如，如果我有一个简单的文本Hi! I am alphanumeric (8÷4=2)

我已经尽力了，但找不到好的解决方案。

String temp = "Hi! I am alphanumeric (8÷4=2)"
temp.length() // this works because in ASCII every char takes one byte
// and in java every char in String takes two bytes so multiply by 2
temp.length() * 2
// also String.getBytes().length and getBytes("UTF-8").length
// returns same result

但是在我的情况下，在消息解密后，字符变成了ASCII和Unicode的混合物。

例如QÂʫP†ǒ!‡˜q‡Úy¦dƒὥ죉ὥ

上层方法返回length或length * 2

但是我想计算实际字节(不是在 JVM 中)。例如，chara通常需要一个字节，而 Unicode™则占用两个字节。

那么如何在Java中实现这种技术呢？

我想要一些喜欢这个网站中使用的技术 http://bytesizematters.com/

它让我26 bytes这个文本QÂʫP†ǒ!‡˜q‡Úy¦dƒὥ죉ὥ尽管文本的长度是 22。

Answer 1

请注意：String用于Unicode文本(能够混合所有类型的脚本)，char是两个字节UTF-16。

这意味着二进制数据byte[]需要知道其编码/字符集，并将转换为字符串。

byte[] b = ...
String s = ...
b = s.getBytes(StandardCharsets.UTF_8);
s = new String(b, StandardCharsets.UTF_8);

如果没有明确的字节字符集，则采用平台默认值，这将提供不可移植的代码。

UTF-8将允许所有文本，而不仅仅是某些脚本，而是希腊语、阿拉伯语、日语。

但是，由于涉及转换，非文本二进制数据可能会损坏，不会是合法的 UTF-8，将花费双倍的内存并且由于转换而变慢。

因此，不惜一切代价避免二进制数据的字符串。

要回答您的问题：

• 您可能会通过StandardCharsets.ISO_8859_1逃脱 - 这是一个单字节编码。
• 然后String.getBytes(StandardCharsets.ISO_8859_1).length()将对应于String.length()尽管字符串可能会使用双倍的内存，因为char是两个字节。

字符串的替代项：

• byte[]本身，Arrays提供实用程序函数，例如arrayEquals。
• ByteArrayInputStream, ByteArrayOutputStream
• ByteBuffer可以包装byte[];可以读写短/整/...
• 使用Base64.getEncoder().encode(bytes)将byte[]转换为Base64字符串。

---

将一个字节转换为某个字符

目标是将字节转换为可在 GUI 文本字段中显示的可见符号，并且以字符为单位的长度与原始字节数相同。

例如，字体Lucida Sans Unicode具有代表ASCII控制字符的U + 2400符号。对于第 8 位的字节，可以采用西里尔文，但由于西里尔文е和拉丁文e的相似性，可能会出现混淆。

static char byte2char(byte b) {
if (b < 0) { // -128 .. -1
return (char)(0x400 - b);
} else if (b < 32) {
return (char)(0x2400 + b);
} else if (b == 127) {
return 'u25C1';
} else {
return (char) b;
}
}

char是 Unicode 的 UTF-16 编码，但这里也对应于 Unicode 码位 (int)。

字节是有符号的，因此范围从 -128 到 127。