乱码问题及字符编码集(二)

接上一篇: 乱码问题及字符编码集(一)

下面我们用java语言对各种编码集对中文的编码和解码进行测试:

1. ASCII码: 

String chineseStr = "哈哈";//原字符
byte[] ascii = chineseStr.getBytes("ASCII");   //解码
String asciiStr = new String(ascii, "ASCII");
System.out.println("使用ASCII编码显示中文" + asciiStr);

结果乱码了，如下:  可知ASCII码无法表示中文

使用ASCII编码显示中文??

2. GBK:

String englishStr = "hello world世界";//编码
byte[] ascii = englishStr.getBytes("ASCII");// 使用ASCII解码
System.out.println(   "字节数:"+ ascii.length );
String gbkStr = new String(ascii, "GBK");   //重新用GBK编码
 System.out.println("使用ASCII编码，使用GBK解码：" + gbkStr);

输出结果:

字节数:13
使用ASCII编码，使用GBK解码：hello world??

分析:  用ASCII解码时，中文也是当成一个字节输出，因为ASCII码中没有中文对应的码. 所以字节长为13, 这样再用 13个字节编码成GBK时，GBK对英文可以兼容，采用一个字节编码,不会乱码，但对中文再采用一个字节编码的话，就会出现乱码，因为中文需要多字节编码，而ASCII是单字节编码，由于ASCII无法识别多字节，所以进行了过滤，将所有的中文都过滤成了“?”. 这是常见的一种乱码情况。

3. Unicode:

String testStr = "abc哈哈하하あはは";//编码
byte[] unicode = testStr.getBytes("unicode");//解码
System.out.println(   "字节数:"+ unicode.length );
String unicodeStr = new String(unicode, "unicode");
System.out.println("使用UNICODE编码和解码：" + unicodeStr);

输出结果: 

字节数:22
使用UNICODE编码和解码：abc哈哈하하あはは

分析:  unicode是定长编码，即通常情况用两个字节来表示，所以这里的   abc哈哈하하あはは   都是采用两个字节的,所以长度应该为20个字节，但请注意cpu在处理多字节时，有两种方式大端模式和小端模式, 它要增加多出的两个字节其实就是指定使用哪种存储模式，所以长度为 22个字节. 

4.另一种情况: 中文成了看不懂的字符

String chineseStr = "哈哈";//编码
byte[] gbks = chineseStr.getBytes("GBK");//解码
System.out.println(   "字节数:"+ gbks.length );
String gbksStr = new String(gbks,"ISO-8859-1");
System.out.println("使用GBK进行编码，使用ISO-8859-1进行解码"+gbksStr );

输出结果: 

字节数:4
使用GBK进行编码，使用ISO-8859-1进行解码¹þ¹þ

分析:    编码和解码使用了两种不兼容的编码集，导致中文变成了其他语言符号