Java源码分析 ByteBuffer.asCharBuffer打印字符串乱码原因
当你执行如下代码时，你会发现字符串为卯浥⁴數
import java.nio.ByteBuffer;
import java.nio.CharBuffer;
public class test2 {
public static void main(String[] args) {
ByteBuffer bb = ByteBuffer.wrap("Some text".getBytes());
CharBuffer cb = bb.asCharBuffer();
String s = cb.toString();
System.out.print(s);
}
}
从debug视图分析
如上图可见cb对象是一个ByteBufferAsCharBufferB实例，它持有一个ByteBuffer类型的对象（实际上就是那个bb对象），也就是说，打印CharBuffer时，它的实际数据来源于它持有的那个ByteBuffer类型的对象。
大家知道java的char类型是一个无符号的二字节整数，而s的第一个char的整数值为21359，那么它是怎么算出来的呢：
很明显是从那个bb对象持有的byte数组上算出来的，即
大端模式，是指数据的高字节保存在内存的低地址中
对于一个数组来说，0号元素相比1号元素来说肯定是低地址，而默认的是大端模式，所以83就是低地址保存着的高字节的数据。char类型是二字节大小，所以83就是那个char类型的高字节数据，进而111则是char类型的低字节数据。
从源码分析
cb对象打印出来的乱码字符串是调试器隐式调用了cb对象的toString方法，所以我们观察String s = cb.toString()的运行过程就可以了。
- bb对象是一个HeapByteBuffer实例，调用它的asCharBuffer方法后，返回一个CharBuffer类型的ByteBufferAsCharBufferB实例（最后的B代表是大端模式）。
//Buffer.java
public final int remaining() {
return limit - position;
//从上面截图可以看出，这里结果为9（limit代表一个不可能的位置，而position为0，所以是从0到8，一共9个元素）
}
//HeapByteBuffer.java
public CharBuffer asCharBuffer() {
int size = this.remaining() >> 1;//这里除以2，因为char总是2字节的，所以字节数9除以2就是字符数4
int off = offset + position();//offset代表偏移位置
return (bigEndian//默认是大端，所以三目代表式进入前者
? (CharBuffer)(new ByteBufferAsCharBufferB(this,
-1,
0,
size,//size为4
size,
off))
: (CharBuffer)(new ByteBufferAsCharBufferL(this,
-1,
0,
size,
size,
off)));
}
- cb对象是一个CharBuffer类型的ByteBufferAsCharBufferB实例，它的toString方法（继承自CharBuffer）源码如下：
//CharBuffer.java
public String toString() {
return toString(position(), limit());//它调用了一个重载的toString方法，参数分别为0和4
}
方法体中调用了一个重载的toString方法，但这个重载版本的toString方法还是一个抽象方法，所以它必定是被子类实现了的：
//CharBuffer.java
abstract String toString(int start, int end); // package-private
这个重载版本的toString方法果然在ByteBufferAsCharBufferB类里进行了实现：
//ByteBufferAsCharBufferB.java
public String toString(int start, int end) {
if ((end > limit()) || (start > end))
throw new IndexOutOfBoundsException();
try {
int len = end - start;
char[] ca = new char[len];//这里会创建一个4大小的char数组
CharBuffer cb = CharBuffer.wrap(ca);
CharBuffer db = this.duplicate();
db.position(start);//改变复制对象的position索引
db.limit(end);//改变复制对象的limit索引
cb.put(db);
return new String(ca);
} catch (StringIndexOutOfBoundsException x) {
throw new IndexOutOfBoundsException();
}
}
CharBuffer cb = CharBuffer.wrap(ca)这句执行过程如下，而返回的CharBuffer对象是一个HeapCharBuffer实例（简单理解HeapCharBuffer，它靠持有一个char数组来作为缓存）：
//CharBuffer.java
public static CharBuffer wrap(char[] array) {
return wrap(array, 0, array.length);//调用下面的重载版本
}
public static CharBuffer wrap(char[] array,
int offset, int length)
{
try {
return new HeapCharBuffer(array, offset, length);//返回一个HeapCharBuffer实例
} catch (IllegalArgumentException x) {
throw new IndexOutOfBoundsException();
}
}
CharBuffer db = this.duplicate()这句则返回一个浅拷贝的ByteBufferAsCharBufferB实例。浅拷贝是因为两个ByteBufferAsCharBufferB实例持有的ByteBuffer类型成员是同一个对象。这样做只是为了不破坏掉this对象的那些记录索引的成员（比如position、limit）。
//ByteBufferAsCharBufferB.java
public CharBuffer duplicate() {
return new ByteBufferAsCharBufferB(bb,//这里是this对象的bb成员，所以是浅拷贝
//下面的是基本类型int，所以新对象的成员改变了，不会改变this对象的这些成员
this.markValue(),
this.position(),
this.limit(),
this.capacity(),
offset);
}
cb.put(db)这句才是真正的关键。由于db是一个ByteBufferAsCharBufferB实例，这句调用到put(CharBuffer)版本函数，且会进入最后的else分支：
//HeapCharBuffer.java
public CharBuffer put(CharBuffer src) {
if (src instanceof HeapCharBuffer) {
if (src == this)
throw new IllegalArgumentException();
HeapCharBuffer sb = (HeapCharBuffer)src;
int n = sb.remaining();
if (n > remaining())
throw new BufferOverflowException();
System.arraycopy(sb.hb, sb.ix(sb.position()),
hb, ix(position()), n);
sb.position(sb.position() + n);
position(position() + n);
} else if (src.isDirect()) {
int n = src.remaining();
if (n > remaining())
throw new BufferOverflowException();
src.get(hb, ix(position()), n);
position(position() + n);
} else {
super.put(src);
}
return this;
}
super.put(src)会调用到直接父类CharBuffer的put(CharBuffer)版本函数：
//CharBuffer.java
public CharBuffer put(CharBuffer src) {
if (src == this)
throw new IllegalArgumentException();
if (isReadOnly())
throw new ReadOnlyBufferException();
int n = src.remaining();
if (n > remaining())
throw new BufferOverflowException();
for (int i = 0; i < n; i++)
put(src.get());
return this;
}
- 这里for循环会执行4次
put(src.get())。 - 在CharBuffer类型的src形参（是一个ByteBufferAsCharBufferB实例）上调用的get函数是这个版本
public abstract char get();，但这是个抽象函数（在CharBuffer.java里），所以它的实现在ByteBufferAsCharBufferB里：
//ByteBufferAsCharBufferB.java
protected int ix(int i) {
return (i << 1) + offset;//这里的offset是指字节的偏移量
}
public char get() {
return Bits.getCharB(bb, ix(nextGetIndex()));
}
- nextGetIndex函数的实现在
Buffer.java里，具体实现如下。
//Buffer.java
final int nextGetIndex() { // package-private
if (position >= limit)
throw new BufferUnderflowException();
return position++;//返回当前position，并加1
}
- 再看ix函数的实现，将得到的position乘以2，看来这是要得到字符对应的字节数量（一个char字符有两个字节）。而且offset这里也没有乘以2，看来作为CharBuffer对象的offset成员是指的字节的偏移量。最终ix函数会返回每个字符的第一个字节的序号。
- 最后看看
Bits.getCharB(bb, ix(nextGetIndex()));这个函数的具体实现，具体如下。
//Bits.java
static char getCharB(ByteBuffer bb, int bi) {
//函数名的B代表是大端，大端模式的体现与给makeChar函数传的实参顺序有关
//第一个实参为：内存的低地址（bi 比 bi+1 小，自然是内存低地址）
//第二个实参为：内存的高地址
return makeChar(bb._get(bi ),
bb._get(bi + 1));
}
static private char makeChar(byte b1, byte b0) {
return (char)((b1 << 8) | (b0 & 0xff));
//根据上面的传参：b1是内存的低地址，b0是内存的高地址
//b1左移8位，相当于乘以2的8次方。所以b1是作为数据的高字节
//上述符合大端模式：数据的高字节保存在内存的低地址中
}
至此，ByteBuffer.asCharBuffer打印字符串乱码原因已经找到了：
"Some text".getBytes()获得字符对应的字节，但由于英文字母和空格的ASCII整数值小于（一个字节的无符号的最大范围），所以用一个字节就可以表示出来一个字符(因为用的UTF8来进行的编码)。所以getBytes获得的是9个字节，但实际上这里应该是有18个字节，应该多出来每个字符的高字节。CharBuffer cb = bb.asCharBuffer()这里，它认为每两个字节对应一个字符，所以会把字节数除以2.String s = cb.toString();这里，根据每两个字节和大小端模式，构造出来每个char。
这里再回头看一下CharBuffer.java的put(src.get());这句，上面把src.get()分析完了，这里分析下put()函数。但在CharBuffer.java里public abstract char get()是个抽象函数，而当前对象是一个HeapCharBuffer实例，所以put()函数具体实现在HeapCharBuffer里。
//HeapCharBuffer.java
protected int ix(int i) {
return i + offset;//这里的offset是指字符的偏移量
}
public CharBuffer put(char x) {
hb[ix(nextPutIndex())] = x;//调用到直接父类的nextPutIndex函数；hb是一个char数组
return this;
}
//Buffer.java
final int nextPutIndex() { // package-private
if (position >= limit)
throw new BufferOverflowException();
return position++;
}
可见put()函数只是依次放置char到char数组里。
乱码本质原因
直接getBytes（无参数版本）时，作为英文字母的字符在encode时，本来应该扩充为二字节的，但实际上却没有进行扩充，而是把数据高字节省略掉，从而造成了打印字符串乱码。
另一种尝试
可能你会认为，如果将主函数中的字符串就设置为卯浥⁴數，那最终打印结果就能够正确了。
import java.nio.ByteBuffer;
import java.nio.CharBuffer;
public class test2 {
public static void main(String[] args) {
ByteBuffer bb = ByteBuffer.wrap("卯浥⁴數".getBytes());
CharBuffer cb = bb.asCharBuffer();
String s = cb.toString();
System.out.print(s);
}
}
但实际上打印结果又乱码了。如下图可见，本来我们期待ByteBuffer持有的字节数组大小应该是8大小，但实际上却是12的大小，一个字符对应了3个字节。然后那个CharBuffer根据12个字节所以认为有6个字符。
之所以打印出来只有4个字符，是因为有2个字符根本无法通过Unicode解码，或者是无法显示的字符。
看来encode和decode时，不指定字符集，肯定会造成乱码。
