1. 概述
本文将介绍在 Kotlin 中如何将字符串以 UTF-8 编码。
编码本质上是用字节序列来表示字符的方式。UTF-8 是最常见、也通常是默认的文本编码格式，广泛应用于数据传输和存储场景，推荐作为首选编码方式。Kotlin 支持多种编码类型，统称为 Charsets，你可以在官方文档查看完整列表：Charsets 文档。
我们先通过一个例子理解为什么需要使用 UTF-8，它与其他编码有何区别，然后演示几种确保使用 UTF-8 编码的方法。
⚠️ 注意：以下示例中假设输入的编码是任意的（即使很多时候默认就是 UTF-8），目的是模拟真实开发中处理未知编码数据的场景。
2. 不同编码之间的差异
为了更清楚地说明问题，来看下面这段代码，对比 UTF-8 与 ASCII 编码的行为：
val originalString = "That will cost €10."
val stringAsByteArray = originalString.toByteArray()
val utf8String = String(stringAsByteArray, Charsets.UTF_8)
val asciiString = String(stringAsByteArray, Charsets.US_ASCII)
Assertions.assertEquals(originalString, utf8String)
Assertions.assertNotEquals(originalString, asciiString)
Assertions.assertEquals("That will cost 10.", asciiString)
✅ 结果分析：
- UTF-8 能正确还原原始字符串；
- ASCII 无法识别
€符号，导致乱码（显示为 ``）。
❌ 原因：ASCII 只支持基本英文字符（0–127），而 € 属于 Unicode 字符，必须由支持扩展字符集的编码（如 UTF-8）才能正确表示。
📌 关键知识点：
- UTF-8 是变长编码，每个字符至少占用 1 字节（8 bits），名字由此而来。
- 相比之下，UTF-16 至少占 2 字节，UTF-32 固定占 4 字节。
- ✅ UTF-8 兼容 ASCII：所有 ASCII 字符在 UTF-8 中的编码完全一致，这意味着老系统通常也能安全处理含 UTF-8 扩展字符的文件。
正是由于其高效性（节省内存）和兼容性，UTF-8 成为了现代应用的事实标准。
3. 测试环境准备
为了统一验证后续方法的效果，我们预先定义一组测试数据。实际项目中，这些数据可能来自网络请求或文件读取等外部源。
val byteArray = byteArrayOf(84, 104, 97, 116, 32, 119, 105, 108, 108, 32, 99, 111, 115, 116, 32, -30, -126, -84, 49, 48, 46)
val charArray = charArrayOf('T', 'h', 'a', 't', ' ', 'w', 'i', 'l', 'l', ' ', 'c', 'o', 's', 't', ' ', '€', '1', '0', '.')
val expectedString = "That will cost €10."
🔍 说明：
byteArray中-30, -126, -84是€在 UTF-8 下的三字节表示（对应十六进制0xE2 0x82 0xAC）。负数是因为 Java/Kotlin 的Byte是有符号的。
你可以根据需要替换为其他测试值。
4. 从 ByteArray 转换为 UTF-8 字符串
当已有字节数组时，有多种方式将其解码为 UTF-8 字符串。
4.1 使用 String 构造函数
方式一：使用默认构造函数（推荐）
val utf8String = String(byteArray)
Assertions.assertEquals(expectedString, utf8String)
✅ 原理：String(byteArray) 默认使用平台默认编码（通常是 UTF-8），但在多数 JVM 环境下，尤其是现代 Linux/macOS 系统，默认编码确实是 UTF-8。
⚠️ 踩坑提示：不要依赖默认行为跨平台！Windows 某些区域设置下默认编码可能是 GBK 或 Cp1252，会导致乱码。生产环境建议显式指定编码。
方式二：显式指定 Charset
val utf8String = String(byteArray, Charsets.UTF_8)
Assertions.assertEquals(expectedString, utf8String)
✅ 推荐做法：明确指定 Charsets.UTF_8，避免平台差异带来的风险。
4.2 使用 ByteArray.toString(Charset) 扩展函数
Kotlin 提供了 ByteArray 的扩展函数 toString()，支持传入 Charset 参数：
val utf8StringDefault = byteArray.toString()
val utf8StringExplicit = byteArray.toString(Charsets.UTF_8)
Assertions.assertNotEquals(expectedString, utf8StringDefault)
Assertions.assertEquals(expectedString, utf8StringExplicit)
⚠️ 注意：
- ❌
byteArray.toString()不会返回字符串内容，而是返回类似[B@7a81197d的对象地址（即数组的 toString() 实现）。 - ✅ 必须使用重载版本
toString(Charset)才能正确解码。
📌 正确用法示例：
val text = bytes.toString(Charsets.UTF_8)
5. 从 CharArray 转换为 UTF-8 字符串
CharArray 本身不携带编码信息，直接转成 String 并不能保证输出为 UTF-8 编码的字节流。要确保最终结果是以 UTF-8 编码的字符串，需经过“编码 → 解码”流程。
5.1 使用 Charset.encode() 和 decode()
核心思路：
- 将
CharArray包装为CharBuffer - 使用
Charset.encode()转为 UTF-8 编码的ByteBuffer - 再用
Charset.decode()将ByteBuffer解码回CharBuffer - 最终转为
String
实现如下：
val encodedByteBuffer = Charsets.UTF_8.encode(CharBuffer.wrap(charArray))
val utf8String = Charsets.UTF_8.decode(encodedByteBuffer).toString()
Assertions.assertEquals(expectedString, utf8String)
✅ 优势：
- 显式控制编码过程，确保中间字节流为 UTF-8；
- 避免原始
charArray可能存在的隐式编码污染。
⚠️ 踩坑提醒：
- 直接使用
String(charArray)虽然语法简单，但不涉及编码转换，只是构建字符串对象，无法保证底层字节为 UTF-8。 - 如果你要将字符串写入文件或发送 HTTP 请求，真正起作用的是
.toByteArray(Charsets.UTF_8)这一步。
📌 实际应用场景举例：
// 正确：确保输出为 UTF-8 字节流
val utf8Bytes: ByteArray = myString.toByteArray(Charsets.UTF_8)
File("output.txt").writeBytes(utf8Bytes)
6. 总结
本文重点梳理了 Kotlin 中处理 UTF-8 编码的关键实践：
✅ 核心要点总结：
| 场景 | 推荐做法 |
|---|---|
ByteArray → String |
使用 String(bytes, Charsets.UTF_8) |
| 获取 UTF-8 字节数组 | 使用 "str".toByteArray(Charsets.UTF_8) |
CharArray → UTF-8 String |
借助 Charset.encode/decode 流程确保编码正确 |
| 避免踩坑 | 永远不要依赖默认编码，尤其是在跨平台或国际化场景 |
📌 最佳实践建议：
- 所有 I/O 操作（文件、网络、数据库）都应显式声明编码；
- 日志、配置文件、API 接口统一使用 UTF-8；
- 单元测试中加入非 ASCII 字符（如
€,中文,한국어）验证编码逻辑。
示例代码已上传至 GitHub：Baeldung Kotlin 教程仓库
保持编码一致性，远离乱码烦恼 💯