String字符串编码解码格式
String.getBytes()//方法是得到一个操作系统默认的编码格式的字节数组。
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
new String(byte[] b,String decode)//按照指定的方法编码
正常的编码解码
byte[] b_gbk = "中".getBytes("GBK");
String s_gbk = new String(b_gbk,"GBK");
System.out.println(s_gbk);//中
编码解码不统一导致乱码
byte[] b_gbk = "中".getBytes("GBK");
String s_utf8 = new String(b_gbk,"UTF-8");
System.out.println(s_gbk);//�� 导致乱码
在一篇博客中看到对ISO8859-1的中文编码解码介绍感觉非常到位在里摘抄一下
进一步理解:
byte[] b_gbk = "中".getBytes("GBK");
byte[] b_utf8 = "中".getBytes("UTF-8");
byte[] b_iso88591 = "中".getBytes("ISO8859-1");
System.out.println(b_utf8.length);//3
System.out.println(b_gbk.length); //2
System.out.println(b_iso88591.length);//1
解码时字节数组:
将分别返回“中”这个汉字在GBK、UTF-8和ISO8859-1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。
编码后:
而与getBytes相对的,可以通过new String(byte[], decode)的方式来还原这个“中”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");
System.out.println(s_gbk);//中
System.out.println(s_utf8);//中
System.out.println(s_iso88591);//?
原因:通过打印s_gbk、s_utf8和s_iso88591,会发现,s_gbk和s_utf8都是“中”,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“中”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"中".getBytes(“ISO8859-1”);来得到正确的“中”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。
需要使用ISO8859-1来操作中文则可以通过中转,既然不可以操作中文字符,那么是否可以通过操作别的编码格式转换后的字节数组,比如utf-8的字节数组来编码成中文,虽然也是乱码但是再通过iso8859-1来还原成utf-8时可还原结果
//获取utf-8的字节数组
byte[] b_utf8 = "中".getBytes("UTF-8");
String s_iso88591 = new String(b_utf8,"ISO8859-1");
System.out.println(s_iso88591);//ä¸
//还原
byte[] bytes = s_iso88591.getBytes("ISO8859-1");
s_iso88591 = new String(b_utf8,"UTF-8");
System.out.println(s_iso88591);//中
这样就既保证了遵守协议规定、也支持中文。
注:我在调取百度自然语言是就遇到了这种情况,由于百度只支持GBK在接口返回值是由GBK的字节数组经过ISO8859-1来编码所以我拿到了乱码,按照上述情况还原即可得到中文字符