中文字符以不同的编码格式会占用不同的字节数,以gbk编码每一个中文字符会占据两个字节,以utf-8编码每个中文字符会占据3个字节。
public class Test {
public static void main(String[] args) throws UnsupportedEncodingException {
String name="中文";
System.out.println(name);
byte[] a=name.getBytes("UTF-8");
byte[] b=name.getBytes("gbk");
byte[] c=name.getBytes("ISO-8859-1");
for(int i=0;i<a.length;i++){
System.out.print(a[i]+"*");
}
System.out.println();
for(int i=0;i<b.length;i++){
System.out.print(b[i]+"*");
}
System.out.println();
for(int i=0;i<c.length;i++){
System.out.print(c[i]+"*");
}
System.out.println();
/* System.out.println(new String(a,"UTF-8"));
System.out.println(new String(b,"gbk"));
System.out.println(new String(c,"ISO-8859-1"));*/
name= new String(b,"ISO-8859-1");
System.out.println(name);
byte[] d=name.getBytes("ISO-8859-1");
for(int i=0;i<d.length;i++){
System.out.print(d[i]+"*");
}
System.out.println();
name= new String(b,"UTF-8");
System.out.println(name);
byte[] e=name.getBytes("UTF-8");
for(int i=0;i<e.length;i++){
System.out.print(e[i]+"*");
}
System.out.println();
}
}
程序运行结果:
中文
-28*-72*-83*-26*-106*-121*
-42*-48*-50*-60*
63*63*
ÖÐÎÄ
-42*-48*-50*-60*
����
-17*-65*-67*-17*-65*-67*-17*-65*-67*-17*-65*-67*
UTF-8
结果中 “中文”字符串以gbk编码获取字节数组,数组的长度4说明每个字符占据2个字节,以utf-8编码获取字节数组,数组的长度为6说明每个字符占据3个字节.
而且以utf-8编码解析以gbk编码格式获取的字节数组得到的字符串是乱码,这个过程也是不可你转的,通过乱码的字符串是获得不到正确的gbk编码格式的字节数组,因为解析过程中两编码格式每个字符所占据的字节不同,造成了过程的不可逆。然而ISO-8859-1每个字节对应一个字符,所以可以通过乱码的字符串获取到正确的字节数组从而解析出正确字符串。
java web 中以url形式传递中文参数直接取出来的字符是乱码的,页面传递过来的中文会以字节数组的形式传递到tomcat服务器,服务器默认以ISO-8859-1编码解析,解析出来的字符串乱码。解决的办法是获取乱码字符的字节数组,然后以页面字符编码重新解析字节数组就可以获得正确的字符串。