Почему моя строка java короче по длине, чем массив byte[], из которого она была сгенерирована?

Я читаю большой двоичный объект из базы данных MySql, используя JDBC. Я знаю, что результирующий массив байтов хорош, я отправил его по HTTP в виде строкового литерала чисел для каждого байта и успешно загрузил результат (jpg). (просто чтобы доказать, что данные сервлета mysql -> java хороши).

Построение новой строки из этого массива байтов с использованием UTF-8 дает строку короче по длине, чем массив байтов, и значения, которые я не могу расшифровать. Если UTF-8 составляет ПО КРАЙНЕЙ МЕРЕ 1 байт на символ, не должна ли результирующая строка быть МИНИМУМ длиной массива байтов, из которого она сгенерирована? (для этого конкретного примера длина байта составляет 12 079 474 байта, а результирующая длина строки составляет 11 501 845)

Спасибо за ваше время!


mysql java blob unicode-string
person DWR    schedule 31.12.2016    source источник
comment
Вы противоречите собственному утверждению. если несколько байтов составляют char, то длина char будет меньше, верно? Также посмотрите здесь   -  person Gurwinder Singh    schedule 31.12.2016
comment
.jpg — это не текст, это двоичные данные. нет смысла пытаться интерпретировать байты изображения jpg как строку.   -  person nos    schedule 31.12.2016
comment
Если вам нужны двоичные данные в виде строки, рассмотрите возможность преобразования каждого байта в шестнадцатеричный или аналогичный для двунаправленной операции.   -  person Bohemian♦    schedule 31.12.2016
comment
Ой ну спасибо! Я подтолкнула меня в правильном направлении. Я хочу, чтобы строка каждого байта интерпретировалась как его юникод CODEPOINT, а не строка массива байтов, интерпретируемая как литерал UTF-8.   -  person DWR    schedule 31.12.2016
comment
Но если массив bye содержит двоичные данные, например изображение в формате jpg, в первую очередь не будет никаких кодовых точек для извлечения. Вы не можете обращаться с двоичными данными, как если бы это был текст, вы можете обращаться с текстом только как с текстом.   -  person Remy Lebeau    schedule 04.01.2017

Ответы (1)


arrow_upward
0
arrow_downward

В ваших байтах у вас есть данные, которые интерпретируются как байты продолжения, т.е. в UTF-8 они имеют особое значение и образуют один символ Юникода из нескольких байтов. Вот почему ваша строка короче количества байтов.

person Marc Balmer    schedule 31.12.2016