编码问题

一、Java常见编码

在Java程序中最常见的是ISO8859-1、GBK/GB2312、unicode、UTF编码。

①. ISO8859-1：属于单字节编码，最多只能表示0~255的字符范围，主要在英文上应用。Tomcat服务默认编码方式是ISO8859-1。

②. GBK/GB2312：中文的国际编码，专门用于表示汉字，是双字节编码，如果在此中出现中文，则使用GBK。GBK表示简体中文和繁体中文，而GB2312只能表示简体中文。

③. unicode：Java中使用此编码，标准编码，使用十六进制表示，此编码不兼容ISO8859-1编码。

④. UTF：由于unicode不支持ISO8859-1编码，而且容易占用更多的空间，而且对于英文字母也需要两个字节编码，使用unicode不便于传输和存储，因此产生了UTF编码。
UTF编码是不定长编码，每个字符的长度为1~6个字节不等，一般在中文网页中使用此编码，可以节约空间。

二、得到本地的编码显示

使用System类可以取得与系统有关的信息，所以直接使用此类即可找到系统的默认编码，使用如下方法：

public static Properties getProperty().

范例：得到JVM的默认编码

System.out.println("系统默认编码：" + System.getProperty("file.encoding"));

运行结果：系统默认编码：GBK

三、乱码产生

File file = new File("e:\\utf.txt");
// 使用utf-8编码写入文件
BufferedWriter out = new BufferedWriter(new OutputStreamWriter(
		new FileOutputStream(file), "UTF-8"));
out.write("你好");
out.close();
// 用gbk编码进行解码，会出现乱码
BufferedReader in = new BufferedReader(new InputStreamReader(
		new FileInputStream(file), "GBK"));
String line = in.readLine();
System.out.println(line);
// 在此使用utf-8编码，得到原文
byte[] bytes = line.getBytes("GBK");
System.out.println(new String(bytes, "UTF-8"));

打印结果：

程序中涉及编码转换过程

从上图可以看到，由UTF-8编码写入文件的数据通过GBK解码之后，如后产生了乱码。因为UTF-8是可变长度的，那么用UTF-8解码文件时，怎么知道几个字节表示一个字符呢？原来UTF-8编码时每个字节的高位部分都有表示头，如果一个字节高位是0开头，表示1个字节表示1个字符。如果一个字节的高位是以110开头，则表示2个字节表示一个字符，应该再往后找1个以10开头的字节。字节高位是10表示前面还有字节。如果一个字节高位是1110，则表示3个字节表示一个字符，应该再往后找2个以10开头的字节。如图所示：

程序中用GBK编码来解决UTF-8编码“你好”就会出现乱码，因为GBK编码无论是字母还是汉字都占2个字节，它在解码时就会按顺序2个字符解码为一个字符，刚好-28 -67在GBK编码中是汉字“浣”，-96 -27是“犲”，-91 -67是“ソ”，如果对应位置GBK表中没有字符可能显示“?”（ISO8859），所以用什么编码就用什么解码。

乱码还能恢复原来的内容吗？这是肯定的，因为只是解码时出现问题，文件并没有改变，还是这些01二进制。