java中文乱码

前言：日常开发过程中也经常遇到乱码的问题，此处做一个梳理总结，乱码问题产生的根源在于中文与英文不同的编码格式，因此除非有朝一日我们改用汉语编程，否则乱码问题不可避免。本文首先列举并分析常见的几种编码格式，然后，解释java中编码转化的原理，最后是自己遇到过的乱码问题

1. 编码

      计算机中存储信息以8bits为一个单元，叫做一个字节，所能表示的字符为0-255个显然是不够的，解决矛盾就需要使用char，而从char转化为字节的过程就是编码，反之就是解码，所以可以说，编码是为了存储，解码是为了阅读使用

2. 常见编码

1）ASCII 码 这个是大家最为熟悉的，也是我们接触和学习的第一种编码方式，一个字节的低七位来表示，共128个字符。

2）ISO-8859-1~ ISO-8859-15 是在ASCII码基础上制定的一系列编码规范，其中ISO-8859-1最常用。仍是单字节编码，总共能表示256个字符。

3）Unicode：最统一的编码，可以表示所有语言的字符，定长双字节，但不兼容ISO-8859-1，英文也用两个字节表示，不便于传输和存储

4）UTF-8/UTF-16 ISO提出的通用的Universal Code。16表示用两个字节表示一个字符，字符串操作时很方便，但是存储空间扩大了一倍，同样的信息，产生更大的网络传输流量。UTF-8变长编码，且完全兼容ASCII。是目前比较通用的一种编码格式。

5）GB2312/GBK 都是中文编码，不同之处在于GBK是在前者基础上进行了扩展，能表示更多的汉字，并兼容前者。

6）其他编码格式

3. java编码分析

内存：

      java用String表示字符串，String类提供了转换到字节的方法和将字节转换为String的构造函数。

public static void main(String[] args) {
        String str = "中文"; 
        try { 
            byte[] gbk = str.getBytes("GBK");
            System.out.println(gbk.length);
            System.out.println(new String(gbk));
            System.out.println(new String(gbk,"GBK"));
            System.out.println(new String(gbk,"UTF-8"));

        } catch (UnsupportedEncodingException e) { 
            e.printStackTrace(); 
        } 
    }

      上述代码，首先按照GBK编码格式进行编码，得到其实际存储的字节码，然后用String的构造函数，在拼接成字符串，可以指定编码格式，也可以不指定，在不指定的情况下则会使用环境默认的编码格式，本机IDE是GBK格式编码，因此第二行和第三行输出一致，均能正确解码，而强行使用UTF-8则会乱码。运行结果如下：

4
中文
中文
????

 
      String. getBytes(charsetName) 编码过程如下图所示：
    
I/O
      I/O操作以读取为例，涉及接口如下图：
    

      Reader 类是 Java 的 I/O 中读字符的父类，InputStream 类是读字节的父类，InputStreamReader 类就是关联字节到字符的桥梁，负责在 I/O 过程中处理读取字节到字符的转换，而具体字节到字符的解码实现由 StreamDecoder 去实现。

4. 常见编码问题处理

内存：   

      在服务器上执行curl命令中包含中文，后端解析这个命令的代码中使用request.getParameter(“中文”)出现乱码，进行一次 String catName = new String(str.getBytes("ISO-8859-1"),"gbk");简单转换之后则可以正常获取到中文字符串。
      其实，JAVA在网络传输中一般使用是"ISO-8859-1"，输出时需要进行转化，如：String str=new String(str.getBytes("环境编码格式"),"ISO-8859-1"); 经过网络编码后的中文，要正确显示在页面上一般需要使用类似Stirng str=new String(str.getBytes("ISO-8859-1"),"环境编码格式");这样的方式来解码。

I/O    

      使用InputStream.read()方法在数据流中读取字节，然后保存在一个byte[]数组中，最后转换为String。在我们读取文件时，读取字节的编码取决于文件所使用的编码格式，因此在转换为String过程中如果两者使用的编码格式不同也会出现编码问题。例如：stream.txt编码格式为UTF-8，那么通过字节流读取文件时所获得的数据流编码格式就是UTF-8，而我们在转化成String过程中如果不指定编码格式，则默认使用系统编码格式（此处应该是GBK）来解码操作，由于两者编码格式不一致，那么在构造String过程肯定会产生乱码，如下：

private static void IOSample() throws IOException{
        File file = new File("c:/stream.txt");
        InputStream input = new FileInputStream(file);
        StringBuffer buffer = new StringBuffer();
        byte[] bytes = new byte[128];
        for(int i ; (i = input.read(bytes))!=-1;){
//            buffer.append(new String(bytes,0,i));
            buffer.append(new String(bytes,0,i,"UTF-8"));
        }
        System.out.println(buffer);
    }

      当我们使用注释掉的buffer.append(new String(bytes,0,i));这种方式去转化的时候就会乱码。

杩欐槸瑕佷繚瀛樼殑涓枃瀛楃

   改为指定具体编码方式之后就得到了正确的输出：

这是要读取的中文字符