java下的字符编码转换总结

       在java下进行软件开发的过程中，难免会遇到乱码的问题。如果不了解java字符编码转换的相关知识，很有可能就会对乱码一头雾水，搞不清道不明，活活恶心死！！

其实，只要认真搞清java下的编码知识，避免出现乱码、解决乱码问题都很简单！

一、各种编码的基本知识

1. iso8859-1

       属于单字节编码，最多能表示的字符范围是0-255，应用于英文系列。比如，字母'a'的编码为0x61=97。

很明显，iso8859-1编码表示的字符范围很窄，无法表示中文字符。但是，由于是单字节编码，和计算机最基础的表示单位一致，所以很多时候，仍旧使用iso8859-1编码来表示。而且在很多协议上，默认使用该编码。比如，虽然"中文"两个字不存在iso8859-1编码，以gb2312编码为例，应该是"d6d0 cec4"两个字符，使用iso8859-1编码的时候则将它拆开为4个字节来表示："d6 d0 ce c4"（事实上，在进行存储的时候，也是以字节为单位处理的）。而如果是UTF编码，则是6个字节"e4 b8 ad e6 96 87"。很明显，这种表示方法还需要以另一种编码为基础。

2. GB2312/GBK

       这就是汉子的国标码，专门用来表示汉字，是双字节编码，而英文字母和iso8859-1一致（兼容iso8859-1编码）。其中gbk编码能够用来同时表示繁体字和简体字，而gb2312只能表示简体字，gbk是兼容gb2312编码的。

3. unicode

      这是最统一的编码，可以用来表示所有语言的字符，而且是定长双字节（也有四字节的）编码，包括英文字母在内。所以可以说它是不兼容iso8859-1编码的，也不兼容任何编码。不过，相对于iso8859-1编码来说，uniocode编码只是在前面增加了一个0字节，比如字母'a'为"00 61"。

     需要说明的是，定长编码便于计算机处理（注意GB2312/GBK不是定长编码），而unicode又可以用来表示所有字符，所以在很多软件内部是使用unicode编码来处理的，比如java。

4. UTF

      考虑到unicode编码不兼容iso8859-1编码，而且容易占用更多的空间：因为对于英文字母，unicode也需要两个字节来表示。所以unicode不便于传输和存储。因此而产生了utf编码，utf编码兼容iso8859-1编码，同时也可以用来表示所有语言的字符，不过，utf编码是不定长编码，每一个字符的长度从1-6个字节不等。另外，utf编码自带简单的校验功能。一般来讲，英文字母都是用一个字节表示，而汉字使用三个字节。

      注意，虽然说utf是为了使用更少的空间而使用的，但那只是相对于unicode编码来说，如果已经知道是汉字，则使用GB2312/GBK无疑是最节省的。不过另一方面，值得说明的是，虽然utf编码对汉字使用3个字节，但即使对于汉字网页，utf编码也会比unicode编码节省，因为网页中包含了很多的英文字符。

以上摘自网络

 

二、java下的三种编码

1.java源文件的编码

       java源文件的编码可以多种多样，一般都是系统默认的编码，通常为"gbk"。也就是说，java源文件中的所有字符的编码方式都是GBK。比如：

在Java代码中定义一个字符串：

String s="汉字";//GBK编码的

但是，不管源文件是何种编码，当它被编译成class文件时，会统一转换成unicode编码，class文件的存储采用utf8的编码方式。

然而JVM运行时采用utf16。也就是说，JVM内存中存放的所有字符串都是unicode编码的。

2.JVM平台默认的编码

    在中文window环境，JVM平台默认的编码基本是“GBK”的，可以通过如下代码查看：

System.out.println(Charset.defaultCharset());  //输出结果为“GBK”

3.外部资源的编码

尽管JVM运行时程序里的字符串都是unicode编码的，但是程序需要和外界各种“源”（比如数据库、文件等）交互，读写需要的数据。而这些“源”的编码方式是各种各样的，原因很简单，存储优化。如果在读写的时候不指定编码方式，就会按照JVM平台默认的编码（这里就是GBK）去读写，一旦“源”的编码方式与之不吻合，乱码就将产生。因此，一般java程序对“源”读写的时候最好指定编码方式，这样不容易出问题。

 

三、一些容易混淆的地方

1.java下中文字符串的编解码

解码：

尽管JVM运行时内存中所有的字符串都是unicode编码的，但是我们依然可以获取中文字符串的各种编码下的字节形式，调用

getBytes(String charsetName)

就可以实现;这里如果不设置参数，就将采用JVM平台默认的字符集(GBK)进行解码.

编码：

以下转自网络：

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！