String <=> byte配列 の際のエンコード（続）

質問

• Stringのエンコードに関する勘違いについて質問があります。
• サーブレットでの日本語リクエストパラメータのエンコーディングについて誤解があった。
• request.getParameter("test")の結果はブラウザのエンコーディングでバイト列を用い、値はそのままでエンコード名だけが指定されたものとなる。

回答No.1

ranx

> では、request.getParameter("test") の結果返ってくる String は
> ブラウザのエンコードでパラメータを表現するバイト列を用い、
> 値はそのままで、エンコード名だけを8859-1として構築されたもの、
> になると思うのですが、
> そういう認識で正しいのでしょうか。

質問の意味がよく分からないのですが、String型はつねにUnicodeで表現
されますから、バイト列そのままということはないですよね。もっとも、
0x0020～0x007eの分については、ASCIIそのままですから、そういう意味で
あれば値はそのままとも言えます。もちろん、漢字のコードなどが入り
込んでいればそういうわけにはいきませんし、円通貨記号のように、日本で
通常ASCIIとして扱っているものでも8859-1とは異なるものもありますね。

というわけで、ご質問の文章、何だかおかしいという感じですが、よく
分からないので、明確にして頂けると回答しやすいと思います。

お礼

レスありがとうございます。

私は、自分の上記の認識であってるという自信がありません。
もし正しくないのであれば、つまるところ、質問は、
String#getBytes("8859_1") の結果、日本語が返ってくるというのは
一体どういうことか、ということになります。

byte[] b = "あいうえお".getBytes("SJIS");
String str1 = new String(b, "8859_1");
String str2 = new String(str1.getBytes("8859_1"), "SJIS");
System.out.println(str2);

このコードが、正しく"あいうえお"を出力するのは確認しました。
そこで、二行目の str1 が、バイト列 b の元の値と、現在のエンコードが
8859_1 である、という情報とを両方保持してなければ、これらの
一連の変換の後、もとの文字列が復元できることが説明できない、
と思ったのが、質問で書いた"認識"の詳しい内容です。

ところで、ranxさんのレスのString型は常にUnicode...のところを読んで、
はっ、としました。言われてみればそうだった、と思ったんですが、
それを考えると、上のコードが元の文字列を出力するのが何故なのか、
全くわからなくなりました。
で、色々試してると、上のコードの 8859_1 の部分を二箇所とも BIG5 とか
別のエンコードに変えると、うまく変換できなくなることに気づきました。

それで勝手な推測なんですが、
String型は文字列表現にUnicodeだけでなく、8859_1も
利用できる、ということはないですか。