Skip to main content
Adicionei amostras de código para melhorar a visualização...
Fonte Link

Ola,

Ao criar uma string numa classe Java (por exemplo: String t = "Ola Java!"String t = "Ola Java!"), parece que o compilador está escolhendo o encode 'errado' para interpretar os bytes que estão no fonte e gerar a String (o encode 'certo' deveria ser UTF-8UTF-8, que é o encode que estou usando nos fontes).

Para exemplificar o erro, fiz o seguinte teste:

String t = "ã";
log.debug("t: " + t);
log.debug("t.length(): " + t.length());
log.debug("t.getBytes().length: " + t.getBytes().length);
log.debug("t.getBytes(utf-8).length: " + t.getBytes("utf-8").length);
log.debug("t.getBytes(UTF-8).length: " + t.getBytes("UTF-8").length);
log.debug("t.getBytes(ISO-8859-1).length: " + t.getBytes("ISO-8859-1").length);

(o mecanismo de log que uso é o commons-loggingcommons-logging com log4jlog4j de suporte, mas da para fazer o mesmo usando o System.outSystem.out)

O resultado foi o seguinte:

t: ã
t.length(): 2
t.getBytes().length: 4
t.getBytes(utf-8).length: 4
t.getBytes(UTF-8).length: 4
t.getBytes(ISO-8859-1).length: 2

A primeira linha poderia ser explicada por algum problema de conversão ao converter a string na hora de escrever o arquivo de log. Porém as demais linhas deixam bem claro o problema. Já na segunda linha (t.length()t.length()) da para ver que a String foi criada com dois caracteres, e não um, já mostrando que na criação da string os dois bytes que representam o caractere ã em utf-8utf-8 foram tratados como dois caracteres (em algum outro formato tipo ISO-8859-1).

Estou procurando alguma forma de forçar o encode na interpretação de uma string estática pelo compilador, mas não acho que seja um bom caminho... existe alguma forma de fazer isso? Ou de indicar para o compilador qual o encode deve ser usado ao interpretar as strings estáticas nos fontes ?

Ola,

Ao criar uma string numa classe Java (por exemplo: String t = "Ola Java!"), parece que o compilador está escolhendo o encode 'errado' para interpretar os bytes que estão no fonte e gerar a String (o encode 'certo' deveria ser UTF-8, que é o encode que estou usando nos fontes).

Para exemplificar o erro, fiz o seguinte teste:

String t = "ã";
log.debug("t: " + t);
log.debug("t.length(): " + t.length());
log.debug("t.getBytes().length: " + t.getBytes().length);
log.debug("t.getBytes(utf-8).length: " + t.getBytes("utf-8").length);
log.debug("t.getBytes(UTF-8).length: " + t.getBytes("UTF-8").length);
log.debug("t.getBytes(ISO-8859-1).length: " + t.getBytes("ISO-8859-1").length);

(o mecanismo de log que uso é o commons-logging com log4j de suporte, mas da para fazer o mesmo usando o System.out)

O resultado foi o seguinte:

t: ã
t.length(): 2
t.getBytes().length: 4
t.getBytes(utf-8).length: 4
t.getBytes(UTF-8).length: 4
t.getBytes(ISO-8859-1).length: 2

A primeira linha poderia ser explicada por algum problema de conversão ao converter a string na hora de escrever o arquivo de log. Porém as demais linhas deixam bem claro o problema. Já na segunda linha (t.length()) da para ver que a String foi criada com dois caracteres, e não um, já mostrando que na criação da string os dois bytes que representam o caractere ã em utf-8 foram tratados como dois caracteres (em algum outro formato tipo ISO-8859-1).

Estou procurando alguma forma de forçar o encode na interpretação de uma string estática pelo compilador, mas não acho que seja um bom caminho... existe alguma forma de fazer isso? Ou de indicar para o compilador qual o encode deve ser usado ao interpretar as strings estáticas nos fontes ?

Ola,

Ao criar uma string numa classe Java (por exemplo: String t = "Ola Java!"), parece que o compilador está escolhendo o encode 'errado' para interpretar os bytes que estão no fonte e gerar a String (o encode 'certo' deveria ser UTF-8, que é o encode que estou usando nos fontes).

Para exemplificar o erro, fiz o seguinte teste:

String t = "ã";
log.debug("t: " + t);
log.debug("t.length(): " + t.length());
log.debug("t.getBytes().length: " + t.getBytes().length);
log.debug("t.getBytes(utf-8).length: " + t.getBytes("utf-8").length);
log.debug("t.getBytes(UTF-8).length: " + t.getBytes("UTF-8").length);
log.debug("t.getBytes(ISO-8859-1).length: " + t.getBytes("ISO-8859-1").length);

(o mecanismo de log que uso é o commons-logging com log4j de suporte, mas da para fazer o mesmo usando o System.out)

O resultado foi o seguinte:

t: ã
t.length(): 2
t.getBytes().length: 4
t.getBytes(utf-8).length: 4
t.getBytes(UTF-8).length: 4
t.getBytes(ISO-8859-1).length: 2

A primeira linha poderia ser explicada por algum problema de conversão ao converter a string na hora de escrever o arquivo de log. Porém as demais linhas deixam bem claro o problema. Já na segunda linha (t.length()) da para ver que a String foi criada com dois caracteres, e não um, já mostrando que na criação da string os dois bytes que representam o caractere ã em utf-8 foram tratados como dois caracteres (em algum outro formato tipo ISO-8859-1).

Estou procurando alguma forma de forçar o encode na interpretação de uma string estática pelo compilador, mas não acho que seja um bom caminho... existe alguma forma de fazer isso? Ou de indicar para o compilador qual o encode deve ser usado ao interpretar as strings estáticas nos fontes ?

Tweeted twitter.com/#!/StackOverflowPT/status/450328134161035264
Fonte Link

String estática sendo criada com encode errado

Ola,

Ao criar uma string numa classe Java (por exemplo: String t = "Ola Java!"), parece que o compilador está escolhendo o encode 'errado' para interpretar os bytes que estão no fonte e gerar a String (o encode 'certo' deveria ser UTF-8, que é o encode que estou usando nos fontes).

Para exemplificar o erro, fiz o seguinte teste:

String t = "ã";
log.debug("t: " + t);
log.debug("t.length(): " + t.length());
log.debug("t.getBytes().length: " + t.getBytes().length);
log.debug("t.getBytes(utf-8).length: " + t.getBytes("utf-8").length);
log.debug("t.getBytes(UTF-8).length: " + t.getBytes("UTF-8").length);
log.debug("t.getBytes(ISO-8859-1).length: " + t.getBytes("ISO-8859-1").length);

(o mecanismo de log que uso é o commons-logging com log4j de suporte, mas da para fazer o mesmo usando o System.out)

O resultado foi o seguinte:

t: ã
t.length(): 2
t.getBytes().length: 4
t.getBytes(utf-8).length: 4
t.getBytes(UTF-8).length: 4
t.getBytes(ISO-8859-1).length: 2

A primeira linha poderia ser explicada por algum problema de conversão ao converter a string na hora de escrever o arquivo de log. Porém as demais linhas deixam bem claro o problema. Já na segunda linha (t.length()) da para ver que a String foi criada com dois caracteres, e não um, já mostrando que na criação da string os dois bytes que representam o caractere ã em utf-8 foram tratados como dois caracteres (em algum outro formato tipo ISO-8859-1).

Estou procurando alguma forma de forçar o encode na interpretação de uma string estática pelo compilador, mas não acho que seja um bom caminho... existe alguma forma de fazer isso? Ou de indicar para o compilador qual o encode deve ser usado ao interpretar as strings estáticas nos fontes ?