Hbase中文字符与byte[]的转换

原文：

http://xiachaofeng.iteye.com/blog/1274929

Hbase客户端信息采用byte[]与服务器进行通信，中文字符与byte[]的转换的转换有两种方式： 

1.采用String类自带的函数 
String s  = "你好中国"; 
byte [] b = s.getBytes(); 
对应的byte[]转换为String为: 
s = new String(s.getBytes()); 

2.采用org.apache.hadoop.hbase.util.Bytes类的函数 
String s  = "你好中国"; 
byte [] b = Bytes.toBytes(s); 
对应的byte[]转换为String为: 
s = Bytes.toString(Bytes.toBytes(s)); 

方法1 与方法2 都能完成自己的转换,输出也正常。 
但是两种方法不能混合使用，因为两种方法中b值却一样, 
方法1：b = [-60, -29, -70, -61, -42, -48, -71, -6] 
方法2：b = [-28, -67, -96, -27, -91, -67, -28, -72, -83, -27, -101, -67] 
原因在于换行的时候采用的Charset不一致 
在方法2中 Bytes.toBytes(s); 最后调用的是String类中的s.getBytes("UTF-8");而不是s.getBytes()。 
s.getBytes("UTF-8")与s.getBytes()最后都调用了的 
static byte[] encode(String charsetName, char[] ca, int off, int len) 
关键在于charsetName不同。 
在看s.getBytes()最后的charsetName， 
产生的函数为: 
    public static Charset defaultCharset() { 
        if (defaultCharset == null) { 
    synchronized (Charset.class) { 
java.security.PrivilegedAction pa = 
    new GetPropertyAction("file.encoding"); 
String csn = (String)AccessController.doPrivileged(pa); 
Charset cs = lookup(csn); 
if (cs != null) 
    defaultCharset = cs; 
                else 
    defaultCharset = forName("UTF-8"); 
            } 
} 
return defaultCharset; 
    } 
跟系统参数file.encoding的值有关，查看下本机的file.encoding 
System.out.println(System.getProperty("file.encoding")); 
值为GB18030,因此以上两种方式产生的byte[]自然不同, 
因此Hbase中文字符与byte[]的转换要统一编码格式，全部采用方法2最好,如果要使用String类的方法 
使用方法如下： 
String s  = "你好中国"; 
byte [] b = s.getBytes("UTF-8"); 
对应的byte[]转换为String为: 
s = new String(Bytes.toBytes(s),"UTF-8"); 

以上区别只针对与中文的转换,数字与英文以及"`~!@#$%^&*()_+=-|[]{}\\/.,<>?"没有区别！！