（1015）编码转换，怎样将GB2312 编码的字符串转换为ISO-8859-1 编码的字符串【基础】

最新推荐文章于 2024-06-11 07:19:36 发布

binggoling

最新推荐文章于 2024-06-11 07:19:36 发布

阅读量2k

点赞数 1

分类专栏：面试文章标签： java 字符串

本文链接：https://blog.csdn.net/qq_30442207/article/details/108167897

版权

面试专栏收录该内容

34 篇文章 1 订阅

订阅专栏

编码转换：怎样将GB2312 编码的字符串转换为ISO-8859-1 编码的字符串？【基础】

先来一个Java编程

答案：

import java.io.UnsupportedEncodingException;

public class Test {
    public static void main(String[] args) {
        String s1 = "你好";
        try {
            String s2 = new String(s1.getBytes("GB2312"), "ISO-8859-1");
            System.out.println(s2);
        } catch (UnsupportedEncodingException e) {
            e.printStackTrace();
        }
    }
}

解析什么是UTF-8 GBK UTF8 GB2312

UTF-8： Unicode TransformationFormat-8bit，允许含BOM，但通常不含BOM。是用以解决国际上字符的一种多字节编码，它对英文使用8位（即一个字节），中文使用24为（三个字节）来编码。UTF-8包含全世界所有国家需要用到的字符，是国际编码，通用性强。UTF-8编码的文字可以在各国支持UTF8字符集的浏览器上显示。如，如果是UTF8编码，则在外国人的英文IE上也能显示中文，他们无需下载IE的中文语言支持包。

GBK是国家标准GB2312基础上扩容后兼容GB2312的标准。GBK的文字编码是用双字节来表示的，即不论中、英文字符均使用双字节来表示，为了区分中文，将其最高位都设定成1。GBK包含全部中文字符，是国家编码，通用性比UTF8差，不过UTF8占用的数据库比GBK大。

GBK、GB2312等与UTF8之间都必须通过Unicode编码才能相互转换：

GBK、GB2312–>Unicode–>UTF8

UTF8–>Unicode–>GBK、GB2312

理解：

1，Java编译器（即编译成class文件时）用的是unicode字符集。

2，乱码主要是由于不同的字符集相互转换导致的，理论上各个字符的编码规则是不同的，是不能相互转换的，所以根本解决乱码的方法就是不要转换编码方式，编码方式前后统一。

3，ASCII、GB2312、GBK、GB18030、Big5、Unicode都是字符集的名称。它们定义了采用1~2个字节的编码规范，为每个字符赋予了一个独一无二的编号。这个编号就是我们所说的“字符编码”。

4, Unicode字符集定义的字符编码并不适合直接通过网络传输表达，因为它们必须转换成像0101这样的二进制字节流传输。所以就出现了不同的转换规范实现方式：UTF-8，TF-16等。这些不同的转换规范转换后的编码值和Unicode是不同的.（unicode是字符集，编码实现是utf-8，utf-16等，unicode到utf-8是有算法的，有统一的规则，但unicode和gbk等其他的编码方式是没有直接联系的不能转换）。

5,不要轻易地使用或滥用String类的getBytes(encoding)方法，更要尽量避免使用getBytes()方法。因为这个方法是平台依赖的，在平台不可预知的情况下完全可能得到不同的结果。如果一定要进行字节编码，则用户要确保encoding的方法就是当初字符串输入时的encoding(即知道以前的编码)。

6, http://825635381.iteye.com/blog/2087380（java 默认的Unicode和外部资源编码的理解）

new String(input.getBytes("ISO-8859-1"), "GB18030")

上面这段代码代表什么？有人会说： “把input字符串从ISO-8859-1编码方式转换成GB18030编码方式”。
如果这种说法正确，那么又如何解释我们刚提到的java字符串都采用unicode编码呢？这种说法不仅是欠妥的，而且是大错特错的，让我们一一来分析，其实事实是这样的：我们本应该用GB18030的编码来读取数据并解码成字符串，但结果却采用了ISO-8859-1的编码，导致生成一个错误的字符串。要恢复，就要先把字符串恢复成原始字节数组，然后通过正确的编码GB18030再次解码成字符串（即把以GB18030编码的数据转成unicode的字符串）。注意，字符串永远都是unicode编码的。但编码转换并不是负负得正那么简单，这里我们之所以可以正确地转换回来，是因为 ISO8859-1 是单字节编码，所以每个字节被按照原样转换为 String ，也就是说，虽然这是一个错误的转换，但编码没有改变，所以我们仍然有机会把编码转换回来

总结：

所以，我们在处理java的编码问题时，要分清楚三个概念：Java采用的编码：unicode，JVM平台默认字符集和外部资源的编码

7，假如我们需要从磁盘文件、数据库记录、网络传输一些字符，保存到Java的变量中，要经历由bytes–>encode字符–>Unicode字符的转换(例如new String(bytes, encode))；而要把Java变量保存到文件、数据库或者通过网络传输，系统要做一个Unicode字符–>encode字符–>bytes的转换(例如String.getBytes([encode]))

8,前面提到从ASCII、GB2312、GBK到GB18030的编码方法是向下兼容的。而Unicode只与ASCII兼容（更准确地说，是与ISO-8859-1兼容），与GB码不兼容。例如“汉”字的Unicode编码是6C49，而GB码是BABA。(简单来说有两大阵营ANSI和unicode不能相互转换除了ISO-8859-1，因为他有单字节的特殊性)

9，

String name = "我来了"；
String str = new String(name.getBytes("x"),"xxx")；

不管jvm这里默认的编码是GBK还是UTF-8还是其他编码，name.getBytes(“x”)java都会自动帮你转成Unicode编码，然后再以x的编码方式转成xxx的编码字符集。

例如：如何GbK转成UTF-8，真正的核心问题是GBK怎么转成unicode（无法直接转只能找GBK和unicode对照表），转成unicode以后转utf-8就好转了（因为有规律）。java特殊因为java 字符串都是默认unicode的（生产的class文件都是 unicode字符集），所以无论你name.getBytes(“xx”)是什么编码得到的unicode值都是unicode字符集的正确值。（既然java字符默认都转成了unicode那么为什么GBK转UTF-8为什么还是乱码？java都做到默认转unicode编码了可以实现不乱码了，不知内部为什么？），所有有人在java语言中也有实现GBK转UTF-8，其实就是直接unicode转utf-8。

例子说明：

在Java中，String的getBytes()方法是得到一个操作系统默认的编码格式的字节数组。这个表示在不同情况下，返回的东西不一样！

String.getBytes(String decode)方法会根据指定的decode编码返回某字符串在该编码下的byte数组表示，如：

byte[] b_gbk = "深".getBytes("GBK");   //b_gbk的长度为2
byte[] b_utf8 = "深".getBytes("UTF-8");   //b_utf8的长度为3
byte[] b_iso88591 = "深".getBytes("ISO8859-1");//   b_iso88591的长度为1
byte[] b_unicode = "深".getBytes("unicode");  //b_unicode长度为4

将分别返回“深”这个汉字在GBK、UTF-8、ISO8859-1和unicode编码下的byte数组表示，此时b_gbk的长度为2，b_utf8的长度为3，b_iso88591的长度为1，unicode为4。

而与getBytes相对的，可以通过new String(byte[], decode)的方式来还原这个“深”字时，这个new String(byte[], decode)实际是使用decode指定的编码来将byte[]解析成字符串。

String s_gbk = new String(b_gbk,"GBK");   
String s_utf8 = new String(b_utf8,"UTF-8");   
String s_iso88591 = new String(b_iso88591,"ISO8859-1");   
String s_unicode = new String(b_unicode, "unicode");

通过打印s_gbk、s_utf8、s_iso88591和unicode，会发现，s_gbk、s_utf8和unicode都是“深”，而只有s_iso88591是一个不认识的字符，为什么使用ISO8859-1编码再组合之后，无法还原“深”字呢，其实原因很简单，因为ISO8859-1编码的编码表中，根本就没有包含汉字字符，当然也就无法通过"深".getBytes(“ISO8859-1”);来得到正确的“深”字在ISO8859-1中的编码值了，所以再通过new String()来还原就无从谈起了。

因此，通过String.getBytes(String decode)方法来得到byte[]时，一定要确定decode的编码表中确实存在String表示的码值，这样得到的byte[]数组才能正确被还原。

有时候，为了让中文字符适应某些特殊要求（如http header头要求其内容必须为iso8859-1编码），可能会通过将中文字符按照字节方式来编码的情况，如

String s_iso88591 = new String("深".getBytes("UTF-8"),"ISO8859-1")，

这样得到的s_iso8859-1字符串实际是三个在 ISO8859-1中的字符，在将这些字符传递到目的地后，目的地程序再通过相反的方式 String s_utf8 = new String(s_iso88591.getBytes(“ISO8859-1”),“UTF-8”) 来得到正确的中文汉字“深”。这样就既保证了遵守协议规定、也支持中文。

同样，在开发会检查字符长度，以免数据库字段的长度不够而报错，考虑到中英文的差异，肯定不能用String.length()方法判断,而需采用String.getBytes().length ;

而这方法将返回该操作系统默认的编码格式的字节数组。如字符串“Hello!你好！”，在一个中文WindowsXP系统下，结果为12，而在英文的UNIX环境下，结果将为9。

因为该方法和平台（编码）相关的。

在中文操作系统中，getBytes方法返回的是一个GBK或者GB2312的中文编码的字节数组，其中中文字符，各占两个字节。

而在英文平台中，一般的默认编码是"ISO-8859-1",每个字符都只取一个字节（而不管是否非拉丁字符）。所以在这种情况下，应该给其传入字符编码字符串，即String.getBytes(“GBK”).length。

二、main方法测试

public static void main(String[] args) {
        String testData = "123abc数据";
        //此次测试前提：参数包含中文
        testU8(testData);//UTF_8-String：123abc数据
        testIso(testData);//ISO_8859_1-String：123abc??
        testChineseTrue(testData);//test3-String：123abc数据
        testChineseFalse(testData);//test4-String：123abc??
    }
    
    /**
     * 正常返回：UTF_8-String：123abc数据
     * @param testdata
     */
    public static void testU8(String testdata){
        byte[] bytes = testdata.getBytes(CharsetUtil.UTF_8);
        String result = new String(bytes,CharsetUtil.UTF_8);
        System.out.println("UTF_8-String："+result);
    }
    /**
     * 返回有乱码：123abc??
     * 原因：ISO8859-1编码的编码表中，根本就没有包含汉字字符。
     * @param testdata
     */
    public static void testIso(String testdata){
        byte[] bytes = testdata.getBytes(CharsetUtil.ISO_8859_1);
        String result = new String(bytes,CharsetUtil.ISO_8859_1);
        System.out.println("ISO_8859_1-String："+result);
    }
    /**
     * 返回：123abc数据
     * 通过String.getBytes(String decode)方法来得到byte[]时，一定要确定decode的编码表中确实存在String表示的码值。
     * gbk/utf-8都可以
     * @param testdata
     */
    public static void testChineseTrue(String testdata){
        Object message = null;
        message = new String(testdata.getBytes(CharsetUtil.GBK),CharsetUtil.ISO_8859_1);
        String returnData = message.toString();
        //解析
        byte[] xmlByte =returnData.getBytes(CharsetUtil.ISO_8859_1);
        String xml = "";
        xml = new String(xmlByte,CharsetUtil.GBK);
        System.out.println("test3-String："+xml);
    }
    
    /**
     * 当传入的参数包含中文时，执行该方法出现乱码。 返回：test4-String：123abc??
     * 原因：通过String.getBytes(String decode)方法来得到byte[]时，一定要确定decode的编码表中确实存在String表示的码值。
     * 而ISO8859-1编码的编码表中，根本就没有包含汉字字符。
     * @param testdata
     */
    public static void testChineseFalse(String testdata){
        Object message = null;
        message = new String(testdata.getBytes(CharsetUtil.ISO_8859_1),CharsetUtil.GBK);
        String returnData = message.toString();
        //解析
        byte[] xmlByte =returnData.getBytes(CharsetUtil.GBK);
        String xml = "";
        xml = new String(xmlByte,CharsetUtil.ISO_8859_1);
        System.out.println("test4-String："+xml);
    }

三、本地代码解析：

//将接收到的message编码后传送给后台
    public ChannelBuffer encode(Object message) throws TransportCodecException {
        try{
            //message虽说是Object类型，看不到具体类型，但debug知道其数据格式为byte[]，字节数组形式，可以强转为byte[]，然后再通过New String(byte[],charset)方法将byte[]转换为String类型
            //因为不确定接收到的message是什么编码格式，这里会统一转成gbk编码。
            message = new String((byte[])message,CharsetUtil.GBK);
            String gbkMessage = message.toString();
            
            //当计算字段长度时，由于中英文的差异，肯定不能用String.length()方法判断,而需采用String.getBytes().length;
            byte[] arrayOfByte = gbkMessage.getBytes(CharsetUtil.GBK);
            String requestByte = String.valueOf(arrayOfByte.length);
            String request = StringUtils.leftPad(requestByte,6,"0") + gbkMessage;
            
            LogConsole.info("xxx request message: " + request);
            return ChannelBuffers.copiedBuffer(request.getBytes(CharsetUtil.GBK)); //
        }
        catch(Exception e){
        }
        return null;
    }
    //解析接收后台的报文，后台中文是用utf-8编码的，然后整体用iso再封一次。
    //所以我们接收到后，会先用iso解下，decode方法返回的数据格式是byte[]，再通过new String(xmlByte,CharsetUtil.UTF_8)将其按照utf-8解析。
    public Object decode(ChannelBuffer buffer) throws TransportCodecException {
        //ChannelBuffer该类型是本系统自己封装，通过该方法将ChannelBuffer转换为String类型,这时候的中文还是乱码，之后会用utf-8解下。
        String _message = buffer.toString(CharsetUtil.ISO_8859_1);
        
        if (_message.length() <= 0){
            return null;
        }
        
        if (isDirect){
            return buffer;
        }
        else{
            if (exchangeLength == -1){
                exchangeLength = fixedLength(_message,buffer);//后台返回报文格式为：6位的长度位+完整报文，该方法是处理长度位
            }
            
            int readableLength = buffer.readableBytes();
            if (hasRemaining(readableLength)){
                clear();
                LogConsole.info("xxx response message:" + _message);
                return _message.substring(fixedLength).getBytes(CharsetUtil.ISO_8859_1);
            }
            
            return null;
        }
    }
    //byte[]转String
    xml = new String(xmlByte,CharsetUtil.UTF_8);

内容都是在网上找的，原作者的链接已经不记得，如有相同的文章博客请告知，我这个改成转载，谢谢大家

binggoling

关注

1
点赞
踩
4

收藏

觉得还不错? 一键收藏
打赏
0
评论
（1015）编码转换，怎样将GB2312 编码的字符串转换为ISO-8859-1 编码的字符串【基础】

编码转换：怎样将GB2312 编码的字符串转换为ISO-8859-1 编码的字符串？【基础】先来一个Java编程答案：import java.io.UnsupportedEncodingException;public class Test { public static void main(String[] args) { String s1 = "你好"; try { String s2 = new String(s1.getBy
复制链接

扫一扫