为什么 US-ASCII 编码接受非 US-ASCII 字符？

Question

考虑以下代码：

public class ReadingTest {

    public void readAndPrint(String usingEncoding) throws Exception {
        ByteArrayInputStream bais = new ByteArrayInputStream(new byte[]{(byte) 0xC2, (byte) 0xB5}); // 'micro' sign UTF-8 representation
        InputStreamReader isr = new InputStreamReader(bais, usingEncoding);
        char[] cbuf = new char[2];
        isr.read(cbuf);
        System.out.println(cbuf[0]+" "+(int) cbuf[0]);
    }

    public static void main(String[] argv) throws Exception {
        ReadingTest w = new ReadingTest();
        w.readAndPrint("UTF-8");
        w.readAndPrint("US-ASCII");
    }
}

观察到的输出：

µ 181
? 65533

为什么第二次调用 readAndPrint()（使用 US-ASCII 的调用）成功？我希望它会抛出错误，因为输入不是此编码中的正确字符。 Java API 或 JLS 中的哪个位置强制执行此行为？

Answer 1

在输入流中查找不可解码字节时的默认操作是将其替换为 Unicode 字符 U+FFFD 替换字符。

如果您想更改它，可以传递 CharacterDecoder 到具有不同 CodingErrorAction 配置：

CharsetDecoder decoder = Charset.forName(usingEncoding).newDecoder();
decoder.onMalformedInput(CodingErrorAction.REPORT);
InputStreamReader isr = new InputStreamReader(bais, decoder);

Answer 2

我想说，这与构造函数相同
String(byte 字节[], int 偏移量, int 长度, Charset 字符集):

此方法始终使用此字符集的默认替换字符串替换格式错误的输入和不可映射的字符序列。当需要对解码过程进行更多控制时，应使用 java.nio.charset.CharsetDecoder 类。

使用 CharsetDecoder 您可以指定不同的 CodingErrorAction。