Как понять момент в преобразовании числа в бинарную строку?

Question

[gleendo]

Разбираю пример из лекции по Java.
Есть пример: "Кодируем codepoint, который помещается в однобайтный UTF8"
Есть пример кода:

import java.nio.charset.StandardCharsets;

public class App {
    public static void main(String[] args) {
        int codePoint = 0b110011;
        String cp = leftZeroPadding(Integer.toBinaryString(codePoint), 8);

        System.out.println("codePoint: " + cp);

        String str = new String(new int[] {codePoint}, 0, 1);
        byte[] utf8bytes = str.getBytes(StandardCharsets.UTF_8);

        System.out.println("utf8bytes: " + leftZeroPadding(Integer.toBinaryString(0xFF & utf8bytes[0]), 8));
    }

    public static String leftZeroPadding(String str, int length) {
        while (str.length() < length) {
            str = "0" + str;
        }

        return str;
    }
}

Все понятно, только вот не пойму для чего в следующей строке, в методе toBinaryString(), прописано 0xFF? Для чего это?

System.out.println("utf8bytes: " + leftZeroPadding(Integer.toBinaryString(0xFF & utf8bytes[0]), 8));

Answer 1

[Евгений Корначев]

utf8bytes[0] - имеет тип byte
значения примитивного типа byte лежит в диапазоне от -128 до 127.
метод Integer.toBinaryString(...) преобразует int в бинарную строку.

Теперь смотри:
допустим utf8bytes[0] = 0xFE, на первый взгляд 0xFE= 254, но для типа byte 0xFE=-2.
Если этот 0xFE (типа byte) преобразовать к типу int, то мы получим также -2, но для типа int это будет уже 0xFFFFFFFE.

поэтому делают так: 0xFF & utf8bytes[0]
0xFF в этом выражении имеет тип int и является сокращенной записью 0x000000FF
utf8bytes[0] здесь предположим равен 0xFE и при преобразовании к int будет равен 0xFFFFFFFE

Результат выражения равен 0x000000FE - что соответствует 254, и при преобразовании в bin равен "11111110"

Comments

[gleendo]

Евгений Корначев У меня получился вот такой результат:

binaryCodePoint: 11111110
codePoint: 254
utf8bytes[0]: -61
0xFF & utf8bytes[0]: 195
utf8bytes: 11000011

Это же нормально что результат преобразования из codePoint в utf-8 разный получился?

[Евгений Корначев]

evg_: при использовании числа 254 массиы utf8bytes имеет длину 2. Не корректно для вывода использовать только первый элемент. это раз.
Ваш код будет работать только для кодовой точки от 0b00000000 до 0b01111111. При большем значении преобразование некорректно, так как кодовая точка будет "кодировать" символ ДВУМЯ байтами, а не одним. Соответственно нужно другое преобразование, например добавьте в конец метода main:

String s = new String(utf8bytes, 0, utf8bytes.length, StandardCharsets.UTF_8);
        int i = s.codePointAt(0);
        System.out.println("Правильное преобразование: " + Integer.toBinaryString(i));