关于Java字符串编码与解码

最近项目做到一个功能

刚好了解到java字符串的编码与解码

网上搜索的，关于编码转换各种错误文档

特此写一下自己一些收获

首先

java内存储字符都是unicode存储的

比如

System.out.println('\u54c8');
System.out.println(Integer.toHexString((short)'哈'));

输出结果

哈
54c8

那么字符串 "哈"

在各种编码下是如何表达的

String str = "哈";

test(str.getBytes("US-ASCII"));
test(str.getBytes("ISO-8859-1"));
test(str.getBytes("gb2312"));
test(str.getBytes("gbk"));
test(str.getBytes("UTF-8"));
test(str.getBytes("UTF-16"));

结果

3f
3f
b9fe
b9fe
e59388
feff54c8

显而易见，iso-8859-1 以及 gbk 是向下兼容ascii 跟 gb2312

所以是一样的

占位大小也很明显

从上往下 1，2，3，4（这里是用十六进制显示的，为了打印明显）

显然是各不相同的

那么问题就来了

如何从gbk转码到utf-8

从上面的分析，我们很清楚可以知道

字符在jvm是以unicode存储的

那么不论"哈"是utf-8还是gbk还是utf-16 它都是 '\u54c8'

所以，要将"哈"从gbk转化为utf-8

String gbkStr = new String(str.getBytes("gbk"),"gbk");
System.out.println(gbkStr);
String utfStr = new String(str.getBytes("utf-8"),"utf-8");
System.out.println(utfStr);

输出

哈
哈

想要得到相应编码的byte数组，就以该编码解码unicode字符