Java中 getBytes() 和 new String() 的编码分析

1、getBytes()方法

        String的getBytes() 方法：得到一个操作系统默认编码的字节数组。所以在不同的操作系统下,返回的东西可能是不一样的！

        String.getBytes(String decode) 方法：根据指定的decode编码，返回该字符串在指定编码下的byte数组。

下面，我们用代码测试下：

分别返回"中" 这个汉字在GBK、UTF-8和ISO8859-1编码下的byte数组，并查看数组的长度。来验证不同编码下区别。

public class Test {

    public static void main(String[] args) throws Exception {
        byte[] b_gbk = "中".getBytes("GBK");
        byte[] b_utf8 = "中".getBytes("UTF-8");
        byte[] b_iso88591 = "中".getBytes("ISO8859-1");

        System.out.println("GBK 编码的长度："+b_gbk.length);
        System.out.println("UTF-8 编码的长度："+b_utf8.length);
        System.out.println("ISO8859-1编码的长度："+b_iso88591.length);
    }

}

运行结果：

GBK 编码的长度：2
UTF-8 编码的长度：3
ISO8859-1编码的长度：1

2、new String(byte[],decode)方法

        new String(byte[], decode) 方式，可以把 "中"字通过getBytes方法得到的数组还原成字符串。

new String(byte[],decode) 方法的功能：就是使用指定的decode编码来将byte[]解析成字符串。

修改下代码：

public class Test {

    public static void main(String[] args) throws Exception {
        byte[] b_gbk = "中".getBytes("GBK");
        byte[] b_utf8 = "中".getBytes("UTF-8");
        byte[] b_iso88591 = "中".getBytes("ISO8859-1");

        String s_gbk = new String(b_gbk,"GBK");
        String s_utf8 = new String(b_utf8,"UTF-8");
        String s_iso88591 = new String(b_iso88591,"ISO8859-1");

        System.out.println("GBK 编码的字符串："+ s_gbk);
        System.out.println("UTF-8 编码的字符串："+ s_utf8);
        System.out.println("ISO8859-1编码的字符串："+ s_iso88591);
    }

}

运行结果：

GBK 编码的字符串：中
UTF-8 编码的字符串：中
ISO8859-1编码的字符串：?

观察上面的结果，发现s_gbk和s_utf8可以还原出"中"字，而s_iso88591是?（可以理解为乱码）。

为什么使用ISO8859-1编码再组合之后,无法还原"中"字？

        那是因为 ISO8859-1 的编码表根本就不包含汉字字符，所以也就无法通过 "中".getBytes("ISO8859-1"); 来得到正确的"中"字在ISO8859-1中的编码值了。所以通过newString()来还原就更是无从谈起。

        因此通过String.getBytes(String decode)方法来得到byte[]时，一定要确定decode的编码表中确实存在String表示的码值，这样得到的byte[]数组才能正确被还原。

那么如何使 iso8859-1编码 支持中文？

// 得到ISO8859-1编码字符
String s_iso88591 = new String("中".getBytes("UTF-8"),"ISO8859-1")


// 还原，得到正确的中文汉字"中"
String s_utf8 = new String(s_iso88591.getBytes("ISO8859-1"),"UTF-8")