java 字符串编码转换 字符集/编码的见解

转http://www.cnblogs.com/kenkofox/archive/2010/04/23/1719009.html

！！！Java要转换字符编码：就一个String.getBytes("charsetName")解决，返回的字节数组已经是新编码的了~~至于后边是new String组装还是网络发送，就再处理了。  

 

    
    

     
     1 
     
          
     
     try
     
      {

     
     2 
     
                 String test 
     
     =
     
      
     
     "
     
     一
     
     "
     
     ;

     
     3 
     
                 System.out.println(System.getProperty(
     
     "
     
     file.encoding
     
     "
     
     ));
     
     //
     
      java默认编码是UTF-8
     
     

     
     4 
     
      
     
                 System.out.println(test);
    
    
    
    

     
     　　　　　　　　//getBytes已经是转码操作，不填的就默认用系统规定的

     
     5 
     
                 System.out.println(
     
     new
     
      String(test.getBytes(),
     
     "
     
     GB2312
     
     "
     
     ));
     
     

     
     6 
     
      
     
                 System.out.println(
     
     new
     
      String(test.getBytes(
     
     "
     
     GB2312
     
     "
     
     ),
     
     "
     
     GB2312
     
     "
     
     ));
     
     //
     
     用什么拆就用什么组装，否则显示乱码
     
     

     
     7 
     
      
     
             } 
     
     catch
     
      (UnsupportedEncodingException ex) {

     
     8 
     
                 Logger.getLogger(Main.
     
     class
     
     .getName()).log(Level.SEVERE, 
     
     null
     
     , ex);

     
     9 
     
             }
    
    

 

 

输出结果：

UTF-8
一
涓�
一

 

System.out.println(test.getBytes("GB2312").length);
System.out.println(test.getBytes("UTF8").length);
System.out.println(test.getBytes("GBK").length);

分别输出2，3，2，同样是“一”，用不同编码拆成字节数组就占不同的位数。GBK，GB2312都两字节编码。

 

2010年10月15日新加以下内容：

 

   
   

    
            
    
    //
    
    本程序默认在UTF8编码下运行
    
    

    
            String a 
    
    =
    
     
    
    "
    
    郑高强
    
    "
    
    ;
        String b 
    
    =
    
     
    
    null
    
    ;
        b 
    
    =
    
     
    
    new
    
     String(a.getBytes(),
    
    "
    
    UTF8
    
    "
    
    );
        System.out.println(b);  
    
    //
    
    正确显示
    
    

    
            b 
    
    =
    
     
    
    new
    
     String(a.getBytes(
    
    "
    
    GB2312
    
    "
    
    ),
    
    "
    
    GB2312
    
    "
    
    );
        System.out.println(b);  
    
    //
    
    正确显示。虽然a本来默认是三字节编码的，但getBytes("GB2312")
                                
    
    //
    
    把整个字节数组按双字节形式转换了一次。用GB2312来解释这个新字节数组就对了
    
    

    
            b 
    
    =
    
     
    
    new
    
     String(a.getBytes(
    
    "
    
    GB2312
    
    "
    
    ),
    
    "
    
    UTF8
    
    "
    
    );
        System.out.println(b);  
    
    //
    
    乱码。已经转为双字节，还用UTF8解释就错了。
                                
    
    //
    
    还没想到怎么把b救回来。好像没办法使得b重新正确显示了。
    
    

    
            
        b 
    
    =
    
     
    
    new
    
     String(a.getBytes(),
    
    "
    
    GB2312
    
    "
    
    );
        System.out.println(b);  
    
    //
    
    乱码。getBytes已经把字符串逐个字符按UTF8格式，拆散为N个字节。
                                
    
    //
    
    后边硬用GB2312来解释这N个字节，肯定乱码。UTF8三字节，GB2312双字节
    
    

    
            b 
    
    =
    
     
    
    new
    
     String(a.getBytes(
    
    "
    
    UTF8
    
    "
    
    ),
    
    "
    
    GB2312
    
    "
    
    );    
    
    //
    
    同上一句其实一样
    
    

    
            System.out.println(b);  
    
    //
    
    乱码


   
   

 

结果：

郑高强
郑高强
֣��ǿ
���寮�
���寮�

 

字符编码转换关键是要理解内在的机理。。。编码的关键是要理解最底层那个字节数组是怎么编码的，例如GB2312用两个字节表示一个汉字，UTF8用三个字节表示一个汉字，可见，底层的字节数组肯定有不同~~~

 

！！！Java要转换字符编码：就一个String.getBytes("charsetName")解决，这时候已经把原来String的字节数组逐个字符的转化了，此时编码已经变了。例如原来是UTF8三字节编码，转为GB2312，已经变成双字节编码了，这个byte数组已经比原来String内含的数组要短。

而new String只是一个组装String的过程，传入的字节数组是什么编码的，就该用什么编码组装（或者叫解释），不然就悲剧了~~~

 

！！！虽然程序默认编码是UTF8，这不代表程序中用GB2312编码的字符串就无法正确显示。（这是我个人之前的误解）因为out.println的时候，系统会自动处理。其实默认编码是UTF8，就只是指getBytes或者new InputStreamReader这样的操作的时候，默认用UTF8来解释。

 

再说说编码和字符集的关系：详细见另外一个文章http://www.cnblogs.com/kenkofox/archive/2010/10/15/1851962.html

 

最后贴出JDK对String的getBytes和new String(byte[], charsetName)的解释：

public byte[] getBytes()
Encodes this String into a sequence of bytes using the platform's default charset, storing the result into a new byte array.

 

new String(byte[], charsetName)
Constructs a new String by decoding the specified array of bytes using the specified charset. The length of the new String is a function of the charset, and hence may not be equal to the length of the byte array.

kenkofox@qq.com