Java中URLEncoder.encode與getBytes同為UTF-8卻輸出不同十六進制的深度解析

現象重現

String a = "你好";
// getBytes輸出
a.getBytes("UTF-8"); // [-28, -67, -96, -27, -91, -67]
// URLEncoder輸出
URLEncoder.encode(a, "UTF-8"); // %E4%BD%A0%E5%A5%BD

同樣UTF-8編碼，為何字節表現截然不同？

核心差異：編碼 vs 逃逸

字節級還原驗證

「你好」UTF-8編碼為6字節：

你 → E4 BD A0
好 → E5 A5 BD

• getBytes：直接返回{0xE4, 0xBD, 0xA0, 0xE5, 0xA5, 0xBD}，Java有符號byte顯示為負數
• URLEncoder：將每字節格式化為%E4%BD%A0%E5%A5%BD

代碼驗證

String s = "你好";
byte[] raw = s.getBytes(StandardCharsets.UTF_8);
StringBuilder hex = new StringBuilder();
for (byte b : raw) {
    hex.append(String.format("%02X ", b & 0xFF)); // 無符號十六進制
}
System.out.println("原始字節: " + hex); // E4 BD A0 E5 A5 BD

String encoded = URLEncoder.encode(s, StandardCharsets.UTF_8.name());
System.out.println("URL編碼: " + encoded); // %E4%BD%A0%E5%A5%BD

// 反向驗證
String decoded = URLDecoder.decode(encoded, StandardCharsets.UTF_8.name());
System.out.println("解碼還原: " + decoded); // 你好

常見誤區澄清

原答案提到「UTF-8中文3字節，GB2312中文2字節」雖然正確，但未說明URLEncoder在字節基礎上又做了一層%XX轉換，這才是輸出差異的直接原因。

工程選型指南

• 需傳輸二進制數據 → getBytes + Base64
• 構建URL查詢字符串 → URLEncoder.encode
• HTTP POST表單 → URLEncoder.encode（或框架自動處理）
• 文件寫入/加密輸入 → getBytes

總結

getBytes是純編碼，URLEncoder.encode是編碼+URL逃逸。兩者服務於完全不同的協議層，不可互換。理解「字節→%XX」這一額外轉換步驟，是區分二者的關鍵。