java中的编码字符串长度

Posted 2023-02-23

【中文标题】java中的编码字符串长度

【英文标题】：Bencoded string length in java

【发布时间】：2015-07-14 13:59:02

【问题描述】：

我对编码有点困惑。

根据规范，当我对字符串进行编码时，我需要使用以下格式：

长度：字符串

字符串 spam 变成 4:spam

我的问题：4是编码字符串的符号数量，还是utf-8字节的数量？

例如，如果我要对字符串 gâteau 进行编码

应该指定什么数字作为这个字符串的长度？

我想我必须指定7，最终的形式应该是7:gâteau

这是因为符号Ⅴ按照utf-8编码占了2个字节，而这个字符串中其余的符号按照utf-8编码占了1个字节。

另外我听说不建议将编码数据存储在java String实例中。

换句话说，当我对数据块进行编码时，我应该将其存储为字节数组，并且不应将其转换为 java String 值以避免编码问题。

我的假设正确吗？

【问题讨论】：

来自***.com/tags/bencoding/info：一个字节串（字节序列，不一定是字符）被编码为:。 [...] 该规范不处理 ASCII 集之外的字符编码。什么不清楚？

@JBNizet 谢谢。如果我错了，请纠正我。如果我需要使用非 ascii 字符对字符串进行编码，length 将显示字节数量，而不是字符。对于字符串gâteau，编码形式将如下所示：7:gâteau，正如我在问题中所描述的那样。我说的对吗？

该规范，根据我评论中引用的文本，不支持非 ASCII 字符。所以你不应该首先编码â。但是如果你这样做，鉴于它说它是一个 byte 字符串，长度应该是字节数：7。这就是我读它的方式。

【参考方案1】：

According to the specification，编码字符串是一个字节序列，你必须指定这个序列的字节数作为它的长度。

并且，根据规范：“所有字符串值都是 UTF-8 编码的”。

对于您使用“gâteau”的情况，您应该指定 7 作为长度，因为字符 â 需要 2 个字节。

【讨论】：

谢谢你的详细解释:)

我想澄清一下，“所有字符串值都是 UTF-8 编码的” 是仅对 .torrent 中的 字符串 的特定限制（元信息）文件。它确实不通常适用于编码字节字符串，它可以包含任意形式的原始字节字符串。