乱码之一 eclipse console 和 xp console 乱码 全程详解(三)

先简单的对我在第一部分提到的三种编码说明一下:

1)iso8859-1,单字节的编码,在0-255之间的字节.

2)gbk 汉字内码扩展规范,兼容gb2312是一种双字节编码。即对于每个字符，都用两个字节来表示。

3)utf-8  是UNICODE的一种变长字符编码又称万国码。

iso8859-1是单字节编码，但是对于超过0-255的不能编码
unicode是一种定长双字节编码，是一种国际通用编码，但是其缺点是，即使是对于一个字母或者一个简单的数据，也要用一个双字节，比较的浪费空间
而utf-8是一种变长编码，即将unicode的值分为多部分，并按照每个部分按照一定的模板转为多个字节，形成utf-8,所以汉字也可以保存为utf-8

gbk是一个内码，在国际化编码中，是尽量不使用的.

尽管汉字不能直接转为iso8859-1但是，我们可以先将汉字转为utf-8(通常是三字节)然后可以再转为iso8859-1，这样子是没有问题的

以上三个的转换关系，尤其是uicode,utf-8之间的转换，网上有很多资料可以查.

中文可以被保存并传输，而不丢失数据的编码就是我们常见的(UTF系列我统称为UTF-8)和GBK了，所以对于一个有中文存在(java  code source file中有中文)的项目，通常使用这两种编码，而且最好是使用UTF-8

当一个项目使用了某种charset的时候，eclipse保存的java code source file 是以这种编码保存的，然后在编译的时候也是用这种编码保存的。所以推荐大家通常项目编码使用UTF-8

下面再代码说明一下读写中文的编码解码问题:

import java.io.FileOutputStream;
import java.io.OutputStreamWriter;

public class WriteFile {
    public static void main(String[] args) throws Exception{
        String chineseChar="汉";
        FileOutputStream fs=new FileOutputStream("d:\\utf8.txt");
        OutputStreamWriter ow=new OutputStreamWriter(fs, "UTF-8");
        ow.write(chineseChar);
        ow.flush();
        ow.close();
    }
}

代码说明：将"汉"以UTF-8编码并保存到utf8.txt这个文件中。(保存之后，可以用十六进制软件打开看到，数据与在第一部分所说的编码是一致的,即里面                      的数据是"汉"的UTF-8编码)

                 你也可以将上面的编码改为GBK，运行程序，保存数据，用十六进制软件打开也是正确的(里面的数据是“汉”的GBK编码)

读文件:


import java.io.BufferedReader;
import java.io.FileInputStream;
import java.io.InputStreamReader;

public class ReadFile {
    public static void main(String[] args) throws Exception{
        FileInputStream fs=new FileInputStream("d:\\utf8.txt");
        InputStreamReader ir=new InputStreamReader(fs, "UTF-8");
        BufferedReader br=new BufferedReader(ir);
        String str=br.readLine();
        System.out.println(str);
    }

}

上面的charset为UTF-8,即使用UTF-8对读入的数据进行解码，之后再将其转为unicode存入内存，变量 str指向它.

如果上面读取的文件保存时选择的编码不是UTF-8(比如将上面写文件时编码设置为gbk)，则在console输出时，即会出现乱码.

这个过程

"汉"(unicode)--编码并写文件(encode)-->文件--读取并解码(decode)-->字符串(unicode)

在encode与decode时的charset如果不一致时就出现乱码，在两段代码中，如果不指定charset那么java将使用DefaultCharset，就有可能出现乱码

乱码的一个简单的检测办法：

因为java在内在中保存的字符串，都是unicode编码的，所以如果一个String显示的正确的，那么其toCharArray方法得到的char的int值，是一个unicode，可以在网上找一下，这个unicode对应的字符，肯定是显示的那个字符。

如果一个String的unicode不对，那么要想正确的显示出来，则肯定要进行转码，才能输出到console(这里我没有提到console的编码了，当然了，肯定是与unicode编码一致的encoding，一般是utf-8了)。

一个字符串，是这样子生成的

1)从char[]chs，使用new String(chs)生成,;此时java就是假设这个char[]chs是一个unicode的。

比如我们常见的人民币符号¥,其对应的unicode是0xA5，转为十进制就是165，char[]chs=new char[]{165};System.out.println(new String(chs));

就可以输出¥了.

2)更常见的方式是，从外部获得的数据，然后转为字符串，再显示，这个时候，其转换格式则是:

binary---DefaultCharset(encoding)--->String---DefaultCharset(decoding)--->binary----Eclipse Console Charset(encoding)--->显示

除非你在读取外部资源，比如数据库，网络，文件的时候指定了格式。

即：如果一个字符串，其在内存中的unicode如果是正确的，要保证defaultCharset和EclipseConsole一致，并且对于你要显示的字符是兼容的，才不会出现乱码.

转载于:https://my.oschina.net/u/186769/blog/659506