java编码解码过程

       最近做项目的时候，有时会遇到中文乱码的问题，网上查询了很多资料，发现大多都是只讲解决方案，并没有讲到为什么要使用这种方案，这种方案的原理是什么？

       最典型的就是连接数据库的URL，我们一般把它放到classpath下的db.properties中，然后尽管我们的java代码设置了UTF-8，JSP也设置了UTF-8，数据库也设置了UTF-8，但是插入数据到数据库中仍然会出现中文乱码，最后我们的解决方案是在连接数据库的URL上加上连接使用的编码格式UTF-8，但是我们会纳闷为什么要这么做呢？

      下面我们来聊下java编码的问题，为什么要编码，有哪些编码，怎么编码和解码，为什么会有中文乱码，怎么解决中文乱码。

1.为什么要编码

       这个问题必须要回到计算机是如何表示我们人类能够理解的符号的，这些符号也就是我们人类使用的语言。由于人类的语言太多，因而表示这些语言的符号太多，无法使用计算机中一个基本的存储单元---byte来表示，因而必须要经过拆分或一些翻译工作，才能让计算机理解我们的语言。我们可以把计算机能够理解的语言假定为英语，其他语言要能够在计算机中使用必须经过一次翻译，把它翻译成英语。这个翻译的过程就是 编码。

       所以总的来说，编码的原因可以总结为：计算机中存储信息的最小单元是一个字节，即8个bit，所以能表示的字符范围是0-255个；人类要表示的符号太多，无法用一个字节来完全表示。

要解决这个矛盾必须要有一个新的数据结构char，从char到byte必须编码。

2.常见的编码

        明白了各种语言需要交流，经过翻译是必须的，那么又如何来翻译呢？计算机中提供了多种翻译方式，常见的有ASCII，ISO-8859-1，GB2312，GBK，UTF-8，UTF-16等。他们可以被看做字典，他们规定了转化的规则，按照这个规则可以让计算机正确地标识我们的字符。目前的编码格式很多，如GB2312，GBK，UTF-8，UTF-16都可以标识一个汉字，那我们到底选择哪种编码格式来存储汉字呢？这就要考虑其他因素呢，是存储空间重要还是编码的效率重要。

3.怎么编码，解码

以String为例，代码如下：

// 内存中的一段包含中文的字段串,本身是以unicode存在的
String s="这是一段中文字符串"; 
// 将unicode码编码成UTF-8
byte[] b=s.getBytes("UTF-8");
// 将UTF-8码解码为字符串
String n=new String(b,"UTF-8");

编码的用途：把我们用户能够认识的语言转化为计算机能够认识的语言，一般用在传输或者存储时，也就是涉及到计算机的操作而不是针对用户而言。

解码：把字节码解释为我们用户能够认识的语言。

4.为什么有中文乱码

第一种情况：使用不能识别中文的字符集来编码，这种情况比较少见

第二种情况，使用一种字符集来编码，却用另一种字符集来解码，这种比较多见，比如，java代码采用UTF-8编码，但是访问数据库的时候，数据库采用GBK来解码，这就会出现中文乱码。

Charset使用

Charset charset=Charset.forName("UTF-8");
ByteBuffer byteBuffer=charset.encode("测试");
CharBuffer charBuffer=charset.decode(byteBuffer);

5.java中怎么编解码

String name="I am 小明";
// ISO-8895-1编码
byte[] iso8859=name.getBytes("ISO-8895-1");
// GB2312编码
byte[] gb2312=name.getBytes("GB2312");
// GBK编码
byte[] gbk=name.getBytes("GBK");

 

getBytes方法调用链

String str="小米";
byte[] b=str.getBytes("UTF-8"); // 不传参数,默认为ISO-8859-1编码

 public byte[] getBytes(String charsetName)
            throws UnsupportedEncodingException {
        if (charsetName == null) throw new NullPointerException();
        return StringCoding.encode(charsetName, value, 0, value.length);
    }

 

 static byte[] encode(String charsetName, char[] ca, int off, int len)
        throws UnsupportedEncodingException
    {
        StringEncoder se = deref(encoder);
        String csn = (charsetName == null) ? "ISO-8859-1" : charsetName;
        if ((se == null) || !(csn.equals(se.requestedCharsetName())
                              || csn.equals(se.charsetName()))) {
            se = null;
            try {
                Charset cs = lookupCharset(csn); //生成字符集实例
                if (cs != null)
                    se = new StringEncoder(cs, csn);
            } catch (IllegalCharsetNameException x) {}
            if (se == null)
                throw new UnsupportedEncodingException (csn);
            set(encoder, se);
        }
        return se.encode(ca, off, len);
    }

 

 private static Charset lookupCharset(String csn) {
        if (Charset.isSupported(csn)) {
            try {
                return Charset.forName(csn);
            } catch (UnsupportedCharsetException x) {
                throw new Error(x);
            }
        }
        return null;
    }

 

  private StringEncoder(Charset cs, String rcn) {
            this.requestedCharsetName = rcn;
            this.cs = cs;
            this.ce = cs.newEncoder()
                .onMalformedInput(CodingErrorAction.REPLACE)
                .onUnmappableCharacter(CodingErrorAction.REPLACE);
            this.isTrusted = (cs.getClass().getClassLoader0() == null);
        }