java编码问题深入总结

 

Java语言能够这么普遍的应用，与其国际化的能力是 分不开的，国际化的编码是Java国际化中最重要的一个组成部分，Java的国际化编码能力与其使用Unicode编码是直接相关的。在Java中，任何 字符类型的数据在Java程序中均以Unicode字符表示，比如char、String等类型。

注：本文实验环境为Windows XP中文版和JDK1.5。

 

一、getBytes()

 

当Java程序从输入流、文件或字符文字量等途径获得字符串时，均会做字符编码的转换，例如InputStreamReader的构造函数中就需要指定编码方式，而对于从文件和字符文字量中获得字符串时，均采用系统默认的编码方式对字符数据进行解码。考虑下面一段代码：

 

String str=”中”;	①
byte[] bytes = str.getBytes();	②
bytes = str.getBytes(“ISO-8859-1”);	③

 

语句①：将一个只含有一个字符“中”的字符串文字量赋给String类的一个对象str，字符文字量“中”是按照操作系统默认编码方式进行编码，在中文windows系统中通常是“GBK”， “中”在GBK编码中是0xD6D0，在将该字符赋给str时，Java会对该字符串进行编码转换，即将GBK编码方式的“中”转换成Unicode编码 方式的“中”，Unicode编码方式“中”的编码是0x4E2D，所以str在程序运行期间在内存中的二进制表示成16进制就是0x4E2D。

语句②：获得str字符串的二进制形式。getBytes(String encoding)方法需要指定编码方式，表示获得该字符串在何种编码方式中的二进制形式。此语句中没有设置参数，表示采用操作系统默认的编码方式，即此处获得的bytes是“中”在GBK编码中的二进制形式，即bytes[0]=0xD6, bytes[1]=0xD0。

 

语 句③：该语句与语句②的区别就是指定了编码方式，此处指定的是ISO-8859-1，即通常所说的Latin-1，该编码采用8bit对字符编码，所以编 码空间中只有256个字符。该编码中只包含了基本的ASCII码和一些扩展的其它西欧字符，所以该字符集中不可能包含中文的“中”字，也就是说Java虚 拟机无法在ISO-8859-1编码集中找到“中”字对应的编码，针对这种情况，就只返回一个问号(?,0x3f)字符，所以此时bytes.length只有1，且bytes[0]=0x3f。

 

二、new String(byte[] bytes, String encoding)

 

getBytes ()方法从字符串获得二进制的字节数组。如果要从二进制的字节数组获得字符串，则就需要使用new String(byte[] bytes, String encoding)方法，该方法按照encoding编码方法对字节数组bytes中的二进制数组进行解析，生成一个新的字符串对象。

 

byte[] bytes = {(byte)0xD6, (byte)0xD0, (byte)0x31};	①
String str = new String(bytes);	②
str = new String(bytes,”ISO-8859-1”);	③

 

语句①：定义一个字节数组。

语句②：将该字节数组中的二进制数据按照默认的编码方式（GBK）编码成字符串，我们知道GBK中0xD6 0xD0表示“中”，0x31表示字符“1”（GBK兼容ASCII，但不兼容ISO-8859-1除ASCII之外的部分），所以str得到的值是“中1”。

语句③：该句用ISO -8859-1编码方式对该字节数据进行编码，由于在ISO-8859-1编码方式中一个字节会被解析成一个字符，所以该字节数组会被解释成包含三个字符 的字符串，但由于在ISO-8859-1编码方式中没有对应0xD6和0xD0的字符，所以前两个字符会产生两个问号，由于0x31在ISO-8859- 1编码中对应字符“1”（ISO-8859-1也兼容ASCII），所以此语句得到str的值是“??1”。

三、编码转换

 

上面介绍的两个语句是解决Java中编码问题的基本语句，而且一般的乱码问题也都可以通过配合使用以上两个语句来解决。以下以几种典型情况为例来解释编码转换问题：

 

1.             将InputStream中以UTF-8编码方式编码的字符数据转换成为GBK编码的字节数组

 

public byte[] Transmit(InputStream UTFIStream)

{

BufferedReader reader = new BufferedReader(newInputStreamReader(UTFIStream),”UTF-8”);

StringBuffer content = new StringBuffer();

String temline;

while((temline=reader.readLine()) != null)

{

   content.append(temline + “\n”);

}

return content.toString().getBytes(“GBK”);

}