Java中文乱码——2、为何会出现"?"

        《Java中文乱码——1、Java编解码基础》讲解了Java编解码的细节，本篇幅具体来解释为什么乱码后中文会变成问号“?”。先看一下下面这个例子。

    public static void main(String[] args) throws UnsupportedEncodingException {
        String s = "GBK中文";
        printCharArr(s.toCharArray());
        byte[] bs = s.getBytes("ISO-8859-1");
        printByteArr(bs);
        String s2 = new String(bs, "GBK");
        printCharArr(s2.toCharArray());
        System.out.println(s2);
    }

    private void printByteArr(byte[] bs) {
        StringBuilder sb = new StringBuilder();
        for(byte b : bs) {
            sb.append(toHex(b)).append(",");
        }
        System.out.println(sb.toString());
    }

    private void printCharArr(char[] charArr) {
        StringBuilder sb = new StringBuilder();
        for(char c : charArr) {
            int high = (c & 0xff00) >> 8;
            int low = c & 0xff;
            sb.append(toHex(high)).append(",");
            sb.append(toHex(low)).append(",");
        }
        System.out.println(sb.toString());
    }

    private String toHex(int intVal) {
        String hex = Integer.toHexString(b);
        if (hex.length() > 2) {
            hex = hex.substring(hex.length() - 2);
        }
        return hex;
    }

    得到了如下输出

0,47,0,42,0,4b,4e,2d,65,87,
47,42,4b,3f,3f,
0,47,0,42,0,4b,0,3f,0,3f,
GBK??

    注意，输出内容是16进制格式的。接着我来详细讲解一下过程。

    字符串“GBK中文”在内存中是以utf-16（unicode）保存的。utf-16为定长编码，每个字符占2字节。如图所示，英文"G"值为0x0047，中文“中”值为0x4e2d。

    bs=s.getBytes("ISO-8859-1")要求将字符串编码成ISO-8859-1，可以理解成将byte[]由utf-16转换成ISO-8859-1。   我们知道，ISO-8859-1也是定长编码，但每个字符只占1个字节。此时英文"G"在ISO-8859-1下有对应的编码，值为0x47。中文“中”在"ISO-8859-1"下没有对应的编码，于是系统默认用问号“?”的ascii值0x3f代替。可以看到，此时已经发生了信息丢失。

    之后，new String(bs, "GBK")要求将bs理解成GBK编码的字符数组，再对数组进行解码，可以理解成将bs由GBK转换成utf-16。我们知道，GBK是变长编码，每个西文字符占1个字节，和ascii兼容，而每个中文占2个字节。对于前三个字符，0x47、0x42、0x4b，在GBK下属于西文的编码范围，因此1次读取1个字节，转换成UTF-16。对于后面2个字符0X3f、0X3f，程序并不知道它们之前是汉字“中”、“文”，只知道它们的编码是0X3f，在GBK下对应西文字符“?“。

    于是，经过如上转换，”GBK中文“变成了”GBK??“。

    那么，发现中文乱码出现"?"以后，是否可以通过转码来恢复呢？

    答案是不能。因为在转换成ISO-8859-1 byte[]的过程中发生了信息丢失，已经无法恢复了