java.nio.charset.MalformedInputException: Input length = 1
Citești ca UTF-8 un text salvat în altă codificare (de obicei Windows-1252, ISO-8859-1 sau Windows-1250, de la Excel ori de la un program vechi), iar un octet nu formează un caracter UTF-8 valid. Citește fișierul cu codificarea în care a fost salvat sau salvează-l din nou ca UTF-8.
Explicat de Tudor Andrei Dumitrescu, Senior Software Developer, fondatorul Academiei ProgramatorilorActualizat la
Ce înseamnă
Un fișier text e o înșiruire de octeți; codificarea spune cum se transformă octeții în caractere. În UTF-8, literele cu diacritice ocupă 2 octeți cu o formă precisă. În Windows-1252 sau ISO-8859-1, aceleași litere ocupă un singur octet (de exemplu è este 0xE8), care, citit ca UTF-8, nu e valid.
Files.readAllLines, Files.readString, Files.lines și un CharsetDecoder configurat strict nu ghicesc: la primul octet invalid aruncă MalformedInputException: Input length = 1. Input length este numărul de octeți greșiți găsiți la poziția respectivă, nu lungimea fișierului. Cu Files.lines, excepția vine împachetată în UncheckedIOException.
Cazul invers, UnmappableCharacterException, apare la scriere: un caracter, de exemplu Ș, nu există în codificarea țintă (US-ASCII, ISO-8859-1).
Alte API-uri, ca new String(octeti, UTF_8), nu aruncă excepție, ci înlocuiesc octeții invalizi cu ? sau �, deci textul se strică fără să observi.
De ce apare: cauzele frecvente
1CSV salvat din Excel în codificarea Windows
List<String> linii = Files.readAllLines(Path.of("produse.csv"));
// implicit UTF-8List<String> linii = Files.readAllLines(Path.of("produse.csv"),
Charset.forName("windows-1252"));Cu codificarea în care a fost salvat fișierul, fiecare octet devine caracterul corect.
2Octeți primiți din altă sursă
CharsetDecoder d = StandardCharsets.UTF_8.newDecoder();
String text = d.decode(ByteBuffer.wrap(octetiLatin1)).toString();String text = new String(octetiLatin1, StandardCharsets.ISO_8859_1);Octeții au fost produși în ISO-8859-1, deci trebuie citiți tot cu ISO-8859-1.
3Scriere cu o codificare care nu are caracterul
Files.writeString(Path.of("nume.txt"), "Ștefan", StandardCharsets.US_ASCII);Files.writeString(Path.of("nume.txt"), "Ștefan", StandardCharsets.UTF_8);Ș nu există în ASCII, deci apare UnmappableCharacterException. UTF-8 are toate caracterele.
Repară eroarea, direct în pagină
Programul decodează strict, ca UTF-8, un nume de produs primit de la un sistem vechi care trimite text în ISO-8859-1, și se oprește cu MalformedInputException: Input length = 1. Decodează octeții cu StandardCharsets.ISO_8859_1, ca programul să afișeze Caractere: 12 și Are diacritice: true.
import java.nio.ByteBuffer;
import java.nio.charset.StandardCharsets;
public class Main {
public static void main(String[] args) throws Exception {
byte[] primit = "Crème brûlée".getBytes(StandardCharsets.ISO_8859_1);
String nume = StandardCharsets.UTF_8.newDecoder().decode(ByteBuffer.wrap(primit)).toString();
System.out.println("Caractere: " + nume.length());
System.out.println("Are diacritice: " + nume.chars().anyMatch(c -> c > 127));
}
}Caractere: 12 Are diacritice: true
Indiciu
Folosește StandardCharsets.ISO_8859_1.newDecoder() în loc de UTF_8.
Reparația
import java.nio.ByteBuffer;
import java.nio.charset.StandardCharsets;
public class Main {
public static void main(String[] args) throws Exception {
byte[] primit = "Crème brûlée".getBytes(StandardCharsets.ISO_8859_1);
String nume = StandardCharsets.ISO_8859_1.newDecoder().decode(ByteBuffer.wrap(primit)).toString();
System.out.println("Caractere: " + nume.length());
System.out.println("Are diacritice: " + nume.chars().anyMatch(c -> c > 127));
}
}De ce merge
În ISO-8859-1, è, û și é ocupă câte un singur octet, de exemplu 0xE8. În UTF-8, un astfel de octet trebuie urmat de octeți de continuare, care aici lipsesc, așa că decodorul strict raportează un octet invalid. Decodat cu codificarea în care a fost produs, fiecare octet devine caracterul corect, iar textul are 12 caractere, dintre care trei cu accent.
Alte forme ale mesajului
java.io.UncheckedIOException: java.nio.charset.MalformedInputException: Input length = 1java.nio.charset.MalformedInputException: Input length = 2java.nio.charset.UnmappableCharacterException: Input length = 1
Cum o eviți pe viitor
- Hotărăște o codificare pentru tot proiectul (UTF-8) și scrie-o explicit la fiecare citire și scriere.
- Când primești fișiere din Excel sau din alte sisteme, întreabă sau verifică în ce codificare sunt; Excel poate salva și „CSV UTF-8”.
- Nu te baza pe codificarea implicită a sistemului: din Java 18 este UTF-8 peste tot, dar codul vechi sau mașinile cu altă configurare se pot comporta diferit.
- Pentru date binare (imagini, arhive, date criptate), citește octeți, nu text.
Întrebări frecvente
Cum aflu codificarea unui fișier?
Nu există o metodă sigură 100%. Editoarele (VS Code, Notepad++) afișează codificarea detectată, iar pe Linux și macOS comanda file -i fisier.csv îți dă o estimare. Cel mai sigur e să știi ce program a creat fișierul.
De ce new String(octeti, UTF_8) nu aruncă excepția?
Constructorii String și reader-ele obișnuite înlocuiesc octeții invalizi cu caracterul \uFFFD. Excepția apare doar la decodarea strictă, cum fac Files.readAllLines sau un CharsetDecoder cu CodingErrorAction.REPORT.
Erori înrudite
java.nio.charset.UnsupportedCharsetException: UFT-8 Numele codificării dat la Charset.forName (sau la new String, getBytes, InputStreamReader) nu e recunoscut, de obicei din cauza unei greșeli de scriere: UFT-8, UTF_8, "utf 8". Folosește constantele StandardCharsets.UTF_8, care nu pot fi scrise greșit. java.io.IOException: Stream closed Citești sau scrii într-un flux (reader, writer, InputStream) care a fost deja închis, de obicei de un try-with-resources dintr-o metodă ajutătoare sau de închiderea unui flux care îl învelește. Închide fluxul o singură dată, în locul care l-a deschis, după ce ai terminat. error: illegal character: '\u201c' În cod ai ghilimele „inteligente” (“ ” sau „ ”) în loc de ghilimele drepte ". Se întâmplă când copiezi cod din Word, dintr-un PDF sau de pe un site. Înlocuiește-le cu " și eroarea dispare. java.lang.IllegalArgumentException: Illegal base64 character 2d Base64.getDecoder() a întâlnit un caracter care nu face parte din alfabetul Base64 standard; 2d e codul hexazecimal pentru -, iar 5f pentru _, adică text encodat în varianta URL-safe (ca în tokenurile JWT). Folosește Base64.getUrlDecoder() sau, pentru spații și rânduri noi, getMimeDecoder(). Învață Java de la zero, cu exerciții la fiecare lecție
Curs Java: lecții scurte, fiecare cu un exercițiu verificat automat, direct în browser. Primele 15 lecții sunt gratuite.
