Java 8 modifica in decodifica UTF-8

Question

Abbiamo migrato di recente la nostra applicazione a JDK 8 da JDK 7. Dopo la modifica, abbiamo riscontrato un problema con il seguente snippet di codice.

String output = new String(byteArray, "UTF-8"); 

La matrice di byte può contenere validi UTF-8 sequenze di byte. La stessa matrice di byte su UTF-8 decodifica, comporta due stringhe di differenza su Java 7 e 8. Java

Secondo le answer a questo SO post, Java 8 "correzioni" un errore in Java 7 e sostituisce valido UTF-8 sequenze di byte con una stringa di sostituzione, che è in accordo con le specifiche UTF-8.

Ma ci piacerebbe restare con la versione di Java 7 della stringa decodificata.

abbiamo cercato di utilizzare CharsetDecoder con CodingErrorAction come REPLACE, e ignorare RELAZIONE su Java 8. Eppure, non siamo stati in grado di generare la stessa stringa di Java 7.

Possiamo farlo con una tecnica di ragionevole complessità?

Answer 1

Dai puntatori forniti da @Holger, era chiaro che dovevamo scrivere un CharsetDecoder personalizzato.

ho copiato sulla versione di OpenJDK di classe sun.nio.cs.UTF_8, rinominato a CustomUTF_8 e usato per costruire una stringa in questo modo

String output = new String(bytes, new CustomUTF_8()); 

Ho intenzione di effettuare molti test di verifica attraversare le uscite generate su Java 7 e Java 8. Questa è una soluzione provvisoria mentre sto cercando di risolvere il problema reale del passaggio dell'output da hmac direttamente a String senza Base64 che lo codifica per primo.

String output = new String(Base64.Encoder.encode(bytes), Charset.forname("UTF-8"));