Question

我正在尝试在json中保存pdf文件的内容，并考虑将pdf保存为从byte []转换的String值。

    byte[] byteArray = feature.convertPdfToByteArray(Paths.get("path.pdf"));

    String byteString = new String(byteArray, StandardCharsets.UTF_8); 

    byte[] newByteArray = byteString.getBytes(StandardCharsets.UTF_8); 

    String secondString = new String(newByteArray, StandardCharsets.UTF_8);


    System.out.println(secondString.equals(byteString));
    System.out.println(Arrays.equals(byteArray, newByteArray));
    System.out.println(byteArray.length + " vs " + newByteArray.length);

上述代码的结果如下：

true
false
421371 vs 760998

两个String相等，而两个byte[]不相等。为什么这样以及如何在json中正确转换/保存pdf？

Answer 1

从PDF文件中读取时，您可能使用了错误的字符集。

例如，ISO-8859-1中不存在字符é（e具有急性）：

byte[] byteArray = "é".getBytes(StandardCharsets.ISO_8859_1);
String byteString = new String(byteArray, StandardCharsets.UTF_8);
byte[] newByteArray = byteString.getBytes(StandardCharsets.UTF_8);
String secondString = new String(newByteArray, StandardCharsets.UTF_8);

System.out.println(secondString.equals(byteString));
System.out.println(Arrays.equals(byteArray, newByteArray));
System.out.println(byteArray.length + " vs " + newByteArray.length);

输出：

true
false
1 vs 3

Answer 2

为什么

如果byteArray确实包含PDF，则很可能是无效的UTF-8。因此，无论何处

String byteString = new String(byteArray, StandardCharsets.UTF_8);

偶然发现一个无效的UTF-8字节序列，它将用Unicode替换字符替换它。即这条线会损坏您的数据，很可能无法修复。以下是

byte[] newByteArray = byteString.getBytes(StandardCharsets.UTF_8);

不会导致原始字节数组，而是导致它的损坏版本。

另一方面，newByteArray是UTF-8编码给定字符串byteString的结果。因此，newByteArray是有效的UTF-8和

String secondString = new String(newByteArray, StandardCharsets.UTF_8);

不需要替换UTF-8映射之外的任何内容，特别是byteString和secondString相等。

如何在json中正确转换/保存pdf？

正如@mammago在评论中解释的那样，

JSON不是二进制内容（如文件）的适当格式。您应该使用类似base64的东西从PDF中创建一个字符串并将其存储在JSON对象中。

将byte []转换为String并返回

2 个答案:

为什么

如何在json中正确转换/保存pdf？