检查字符串是否有效，以 Java 编码的 UTF-8

只能检查字节数据。如果你构造了一个字符串，那么它在内部已经是UTF-16。

此外，只有字节数组可以进行 UTF-8 编码。

下面是 UTF-8 转换的常见情况。

String myString = "\u0048\u0065\u006C\u006C\u006F World";
System.out.println(myString);
byte[] myBytes = null;

try 
{
    myBytes = myString.getBytes("UTF-8");
} 
catch (UnsupportedEncodingException e)
{
    e.printStackTrace();
    System.exit(-1);
}

for (int i=0; i < myBytes.length; i++) {
    System.out.println(myBytes[i]);
}

如果您不知道字节数组的编码，则 juniversalchardet 是一个库，可帮助您检测它。

以下帖子摘自官方 Java 教程，网址为：https://docs.oracle.com/javase/tutorial/i18n/text/string.html。

StringConverter 程序首先创建一个包含 Unicode 字符的字符串：

String original = new String("A" + "\u00ea" + "\u00f1" + "\u00fc" + "C");

打印时，名为 original 的字符串显示为：

AêñüC

若要将 String 对象转换为 UTF-8，请调用 getBytes 方法并将相应的编码标识符指定为参数。getBytes 方法返回 UTF-8 格式的字节数组。若要从非 Unicode 字节数组创建 String 对象，请使用编码参数调用 String 构造函数。进行这些调用的代码包含在 try 块中，以防不支持指定的编码：

try {
    byte[] utf8Bytes = original.getBytes("UTF8");
    byte[] defaultBytes = original.getBytes();

    String roundTrip = new String(utf8Bytes, "UTF8");
    System.out.println("roundTrip = " + roundTrip);
    System.out.println();
    printBytes(utf8Bytes, "utf8Bytes");
    System.out.println();
    printBytes(defaultBytes, "defaultBytes");
} catch (UnsupportedEncodingException e) {
    e.printStackTrace();
}

StringConverter 程序打印出 utf8Bytes 和 defaultBytes 数组中的值，以演示一个重要观点：转换后的文本的长度可能与源文本的长度不同。一些 Unicode 字符转换为单个字节，其他字符转换为成对或三重字节。printBytes 方法通过调用 byteToHex 方法来显示字节数组，该方法在源文件 UnicodeFormatter.java 中定义。下面是 printBytes 方法：

public static void printBytes(byte[] array, String name) {
    for (int k = 0; k < array.length; k++) {
        System.out.println(name + "[" + k + "] = " + "0x" +
            UnicodeFormatter.byteToHex(array[k]));
    }
}

下面是 printBytes 方法的输出。请注意，在两个数组中，只有第一个和最后一个字节（A 和 C 字符）相同：

utf8Bytes[0] = 0x41
utf8Bytes[1] = 0xc3
utf8Bytes[2] = 0xaa
utf8Bytes[3] = 0xc3
utf8Bytes[4] = 0xb1
utf8Bytes[5] = 0xc3
utf8Bytes[6] = 0xbc
utf8Bytes[7] = 0x43
defaultBytes[0] = 0x41
defaultBytes[1] = 0xea
defaultBytes[2] = 0xf1
defaultBytes[3] = 0xfc
defaultBytes[4] = 0x43