Conversión de una matriz de bytes en una cadena (Java)

Estoy escribiendo una aplicación web en Google App Engine. Permite a las personas editar básicamente código html que se almacena como un .htmlarchivo en el blobstore.

Estoy usando fetchData para devolver uno byte[]de todos los caracteres del archivo. Estoy intentando imprimir en un html para que el usuario edite el código html. ¡Todo funciona muy bien!

Este es mi único problema ahora:

La matriz de bytes tiene algunos problemas al volver a convertir a una cadena. Las citas inteligentes y un par de personajes están saliendo con un aspecto extraño. (? o símbolos japoneses, etc.) Específicamente, son varios bytes que veo que tienen valores negativos que están causando el problema.

Las comillas tipográficas vuelven como -108y -109en la matriz de bytes. ¿Por qué es esto y cómo puedo decodificar los bytes negativos para mostrar la codificación de caracteres correcta?

La matriz de bytes contiene caracteres en una codificación especial (que debe saber). La forma de convertirlo en una cadena es:

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

Por cierto: los bytes sin procesar que aparecen pueden aparecer como decimales negativos solo porque el tipo de datos java byteestá firmado, cubre el rango de -128 a 127.

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

El valor (-109) es un carácter de control no imprimible en UNICODE. Entonces, UTF-8 no es la codificación correcta para ese flujo de caracteres.

0x93en "Windows-1252" es la "cita inteligente" que está buscando, por lo que el nombre Java de esa codificación es "Cp1252". La siguiente línea proporciona un código de prueba:

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

Java 7 y superior

También puede pasar la codificación deseada al Stringconstructor como una Charsetconstante de StandardCharsets . Esto puede ser más seguro que pasar la codificación como a String, como se sugiere en las otras respuestas.

Por ejemplo, para codificación UTF-8

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

Puedes probar esto.

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();
    }
}

Salida

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
}

yo sugiero Arrays.toString(byte_array);

Depende de tu propósito. Por ejemplo, quería guardar una matriz de bytes exactamente como el formato que puede ver en el momento de la depuración que es algo como esto: [1, 2, 3]Si desea guardar exactamente el mismo valor sin convertir los bytes a formato de caracteres, Arrays.toString (byte_array)haga esto. Pero si desea guardar caracteres en lugar de bytes, debe usar String s = new String(byte_array). En este caso, ses equivalente a [1, 2, 3]en formato de carácter.

La respuesta anterior de Andreas_D es buena. Solo voy a agregar que donde sea que muestre la salida, habrá una fuente y una codificación de caracteres y es posible que no admita algunos caracteres.

Para averiguar si es Java o su pantalla el problema, haga esto:

    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 habrá asignado cualquier carácter que no pueda entender a 0xfffd, el carácter oficial para caracteres desconocidos. Si ve un '?' en la salida, pero no está asignado a 0xfffd, es su fuente de visualización o codificación el problema, no Java.