質問をすることでしか得られない、回答やアドバイスがある。

15分調べてもわからないことは、質問しよう!

ただいまの
回答率

87.34%

Stringクラスの文字コード指定について

解決済

回答 1

投稿 編集

  • 評価
  • クリップ 0
  • VIEW 3,665

score 15

Stringのインスタンスを生成する際に、文字コードを指定して生成された文字列が
指定した文字コードのバイトデータと異なる原因がわからないので教えてください

試したこと
・EUC-JPのバイト配列から文字コードがEUC-JPのStringインスタンを生成

サンプルコード
byte[] beforeByte = "あ".getBytes("EUC-JP");
String afterString = new String(beforeByte, "EUC-JP");

System.out.println("--------String生成前バイトデータ --------");
for(byte b: beforeByte){
System.out.println("コード " + String.format("%02X", b));
}

System.out.println("-------- String生成後バイトデータ--------");
for(byte b: afterString.getBytes()){
System.out.println("コード " + String.format("%02X", b));
}

結果
--------String生成前バイトデータ --------
コード A4
コード A2
-------- String生成後バイトデータ--------
コード E3
コード 81
コード 82

日本語「あ」のEUC-JPの文字コードが「A4A2」でUTF-8の文字コードが「E38182」
普通に考えるとバイトデータがEUC-JPの文字コードの値でStringが生成されると思うのですが
なぜかUTF-8の文字コードで生成されます。Stringはシステムライブラリーのためデバッガで値の確認もできないので
原因がわかりません。推測ではJava内部の文字コードがunicodeなので結局は全部それベースのStringしか
生成されないのではと思ったのですが、それだと文字コードを指定する意味もわかりません。
「/www.ideone.com」の実行環境でも同じ結果になることは確認してます。

  • 気になる質問をクリップする

    クリップした質問は、後からいつでもマイページで確認できます。

    またクリップした質問に回答があった際、通知やメールを受け取ることができます。

    クリップを取り消します

  • 良い質問の評価を上げる

    以下のような質問は評価を上げましょう

    • 質問内容が明確
    • 自分も答えを知りたい
    • 質問者以外のユーザにも役立つ

    評価が高い質問は、TOPページの「注目」タブのフィードに表示されやすくなります。

    質問の評価を上げたことを取り消します

  • 評価を下げられる数の上限に達しました

    評価を下げることができません

    • 1日5回まで評価を下げられます
    • 1日に1ユーザに対して2回まで評価を下げられます

    質問の評価を下げる

    teratailでは下記のような質問を「具体的に困っていることがない質問」、「サイトポリシーに違反する質問」と定義し、推奨していません。

    • プログラミングに関係のない質問
    • やってほしいことだけを記載した丸投げの質問
    • 問題・課題が含まれていない質問
    • 意図的に内容が抹消された質問
    • 過去に投稿した質問と同じ内容の質問
    • 広告と受け取られるような投稿

    評価が下がると、TOPページの「アクティブ」「注目」タブのフィードに表示されにくくなります。

    質問の評価を下げたことを取り消します

    この機能は開放されていません

    評価を下げる条件を満たしてません

    評価を下げる理由を選択してください

    詳細な説明はこちら

    上記に当てはまらず、質問内容が明確になっていない質問には「情報の追加・修正依頼」機能からコメントをしてください。

    質問の評価を下げる機能の利用条件

    この機能を利用するためには、以下の事項を行う必要があります。

回答 1

checkベストアンサー

+1

https://docs.oracle.com/javase/jp/8/docs/api/java/lang/String.html#getBytes--

プラットフォームのデフォルトの文字セットを使用してこのStringをバイト・シーケンスにエンコード化し、結果を新規バイト配列に格納します。

パラメータなしのgetBytesは内部状態をそのままバイト配列にするわけではなく、デフォルトの文字セット(エンコーディング)でエンコードしたバイト配列を出力します。
デフォルトがUTF-8環境なのではないでしょうか?

投稿

  • 回答の評価を上げる

    以下のような回答は評価を上げましょう

    • 正しい回答
    • わかりやすい回答
    • ためになる回答

    評価が高い回答ほどページの上位に表示されます。

  • 回答の評価を下げる

    下記のような回答は推奨されていません。

    • 間違っている回答
    • 質問の回答になっていない投稿
    • スパムや攻撃的な表現を用いた投稿

    評価を下げる際はその理由を明確に伝え、適切な回答に修正してもらいましょう。

  • 2018/10/06 19:01

    >パラメータなしのgetBytesは

    getBytesの引数に文字コードを指定しています。
    知りたいのはStringインスタンスの生成時になぜ指定した文字コードではなくUTF-8の文字コードになるかということです。

    キャンセル

  • 2018/10/06 19:11

    String afterString = new String(beforeByte, "EUC-JP");

    beforeByteバイト配列をEUC-JPエンコーディングと見なしてStringにしていますが、

    for(byte b: afterString.getBytes()

    ここでデフォルト文字セットのバイト配列にしています。

    Stringになった時は、元の文字エンコーディングは関係ありません。

    キャンセル

  • 2018/10/06 19:18

    盲点でした。ありがとうございます。

    キャンセル

15分調べてもわからないことは、teratailで質問しよう!

  • ただいまの回答率 87.34%
  • 質問をまとめることで、思考を整理して素早く解決
  • テンプレート機能で、簡単に質問をまとめられる

関連した質問

同じタグがついた質問を見る